联想R720(GTX1050ti)Win10下配置anaconda + CUDA9 + cuDnn7.1.4 + python3.6 + tensorflow-gpu
1、Anaconda3(很早就安装了,没有配图)
安装过程比较简单,一直下一步就好;
注意勾选添加Anaconda to my PATH
,其他的随意
1.1、Anaconda的作用和使用
1.1.1 问题的出现
1.到底该装 Python2 呢还是 Python3
python2和python3在语法上是不兼容的, 那我的机器上应该装python2还是python3呢, 可能一开始选一个学习就好了, 但是如果你要开发的程序必须使用python2而不能使用python3,那这时候你就不得不再下载一个python2, 那这时候环境变量该设谁的目录呢, 如果还是切换环境变量岂不是很麻烦.
2.包管理
如果我在本地只有一个python环境那我所有程序用到的各种包都只能放到同一个环境中, 导致环境混乱, 另外当我将写好的程序放到另一电脑上运行时又会遇到缺少相关包, 需要自己手动一个个下载的情况, 实在是烦人, 要是能每个程序开发都选用不同的环境, 而开发好之后又能将该程序需要的环境(第三方包)都独立打包出来就好了.
1.1.2 附件的功能
Anaconda Navigtor :用于管理工具包和环境的图形用户界面,后续涉及的众多管理命令也可以在 Navigator 中手工实现。
Jupyter notebook :基于web的交互式计算环境,可以编辑易于人们阅读的文档,用于展示数据分析的过程。
qtconsole :一个可执行 IPython 的仿终端图形界面程序,相比 Python Shell 界面,qtconsole 可以直接显示代码生成的图形,实现多行代码输入执行,以及内置许多有用的功能和函数。
spyder :一个使用Python语言、跨平台的、科学运算集成开发环境。
1.1.3 管理虚拟环境
activate tensorflow-gpu
activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境
- 创建虚拟环境
conda create -n tensorflow-gpu python=3.6
查看所有的环境:conda env list
安装第三方包:任意一种
pip install requests
conda install requests
卸载第三方包:
conda remove requests
pip uninstall requests
查看环境包信息
conda list
导入导出环境
conda env export > environment.yaml
1.2、Jupyter notebook
一篇教程
2、安装CUDA9(最恶心的一步了)
下载地址:
这个真是装了老半天:
安装步骤:
- 点击exe,解压后安装;
- 在自定义安装选项的那一步,把vs相关的去了,因为我电脑装的是vs2017,其他的一些驱动也没必要装(幸好没听信一些博客说要纯净环境,还重装系统,装vs2015,删除所有与NVIDIA有关的东西)
- 直接下一步,就可以成功安装了;环境变量也添加好了
3、cuDnn7.1.4
下载地址:
- 解压下载好的文件
- 将解压出的三个文件夹里的文件拷贝到CUDA的安装目录里的同名文件夹即可。
CUDA的安装目录:
4、创建python环境、安装tensorflow-gpu
- 打开powershell,创建环境:
conda create -n tensorflow-gpu python=3.6
- 配置我们刚创建的虚拟环境
activate tensorflow-gpu
#升级pip
python -m pip install --upgrade pip
#下载tensorflow-gpu 1.9.0
pip install tensorflow-gpu==1.9.0
下载的时候网速会比较慢;还有就是它会自动帮你把tensorboard
给你降级了.
测试:
这时候发现了一个大bug,不能在powershell下下载,因为测试的时候失败了,并没有在我想要的环境下安装。~这能气死。
还是回到cmd下进行吧。
到pycharm中使用
参考博客: