【快速搭建指南】→基于Win10 + Anaconda3 (Py3.6) + Tensorflow 1.12.2-gpu + Keras2.2.4的深度学习环境
1 安装Anaconda3(python3.6版本)
Anaconda与python版本的对应关系如下:
由于tensorflow等包的要求,我们选取python版本为3.6.5的anaconda,即Anaconda3-5.2.0-Windows-x86_64.exe,下载地址为:https://repo.anaconda.com/archive/
然后双击安装即可,记得需要选择将path加入到系统环境变量中(system,all users)
安装完成后查看python
然后查看pip版本,输入pip show pip,
查看pip 1)是否为anaconda3中的python的pip;2)是否为最新版本,下图所示为正确情况。
如果不满足条件(1),则卸载当前pip
如果不满足条件(2),在保证条件(1)的情况下,如下图所示
输入
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple/
更新pip到最新版
2 安装依赖项
安装最新版本的numpy,scipy,scikit-learn,pillow,h5py,输入:
python -m pip install --upgrade scipy scikit-learn pillow h5py -i https://pypi.tuna.tsinghua.edu.cn/simple/
3 安装Tensorflow
关于Tensorflow版本与CUDA和cuDNN版本对应关系,参考→不同版本的Tensorflow与CUDA及cuDNN版本对应关系
由于要安装Tensorflow1.12的版本,所以选择CUDA9.0和cuDNN7.5.0版本。
3.1 安装CUDA
CUDA历史版本获取地址:https://developer.nvidia.com/cuda-toolkit-archive
CUDA临时安装路径,C:\Users\fabya\AppData\Local\Temp\CUDA
注意:
为了不影响电脑原本安装的cuda其他工具包,安装时我们选择“自定义”,
并且选择“自定义”中提供文件可选列表中的CUDA(版本标注为9.0),其他组件版本太老没必要选择和安装,
后面按照流程正常安装。
安装完成后系统环境变量会新增加两个path:CUDA_PATH和CUDA_PATH_V9_0
检查CUDA是否安装好,重新打开一个cmd,输入nvcc --version(两个破折号不是一个)
CUDA就安装好了
3.2 安装cuDNN
cuDNN获取地址:https://developer.nvidia.com/rdp/cudnn-archive
然后进入到CUDA的路径里,将下载好的cudnn-9.0-windows10-x64-v7.5.0.56.zip压缩包内的文件,解压到cuda\v9.0里同名对应的文件夹中。(9.2的截图,不过意思一样)
然后将以下几个路径加入到系统环境变量path中
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
3.3 pip安装Tensorflow
首先输入
python -m pip install --upgrade tensorflow_gpu-1.12.2-cp36-cp36m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
如果不能自动下载安装的话,请到https://pypi.tuna.tsinghua.edu.cn/simple/网页中,按Ctrl+F搜索tensorflow-gpu,点进去搜索tensorflow_gpu-1.12.2-cp36-cp36m-win_amd64.whl,点击并下载
再输入指令
python -m pip install --upgrade tensorflow_gpu-1.12.2-cp36-cp36m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
(1.12.0的截图,1.12.2忘了截图。。)
下面检验是否安装成功,输入如下图所示代码,可以看到Tensorflow包已经可以成功导入!
卸载tensorflow(如果需要的话)
输入
python -m pip uninstall tensorflow-gpu
4 安装Keras
输入
python -m pip install --upgrade keras -i https://pypi.tuna.tsinghua.edu.cn/simple/
可以看到Keras2.2.4安装成功!
接下来配置Keras,
到路径 C:\Users\fabya\.keras(前面两个位置分别为:users或用户\当前用户账号)下编辑keras.json文件
实在找不到,就用搜索功能搜索keras.json
打开之后发现默认的参数配置如下图所示:
各参数可取值及含义如下表所示:
注:
Keras 2.2.4 的 image_data_format 参数对应为 Keras 1.x 版本中的 image_dim_ordering 参数,
取值channels_last对应 Keras 1.x 中的 tf 取值(Tensorflow图像通道顺序:[宽,高,深]);
取值channels_first对应 Keras 1.x 中的 th 取值(Theano图像通道顺序:[深,宽,高])。
我们把image_data_format设置为channels_last(默认设置)。
测试一下,输入一下如下图所示代码
import keras
from keras.models import Sequential
好的,环境搭建成功!
附录:
其他安装tensorflow的方法:
python -m pip install --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/
安装stable版tensorflow1.13.1
(安装指定tensorflow版本 pip install tensorflow==1.2.0)