深度学习tensorflow的感受:深度学习环境搭建
深度学习tensorflow的感受:深度学习环境搭建下载链接:https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-1701,先安装VC_redist.x64或直接安装vs2019开发环境(这个安装后必须重启电脑)硬件配置要求:深度学习硬件配置基础软件安装
#我在头条搞创作#
实践是检验真理的唯一标准!
深度学习本身就是一个多学科的领域,需要大量的理论和数学知识使得真正的理解相对困难;而深度学习框架简化了实现的过程,使我们可以相对直观的感受到深度学习的过程,使我们的学习和开发过程事半功倍。
我们以目前最受学术界欢迎的深度学习框架Pytorch为例,简要介绍一下环境的搭建。
硬件配置要求:
深度学习硬件配置
基础软件安装
1,先安装VC_redist.x64或直接安装vs2019开发环境(这个安装后必须重启电脑)
下载链接:https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-170
2,安装显卡驱动并确定算力
显卡驱动
显卡驱动版本,在nvidia控制面板的系统信息可查询到(或者命令行输入nvidia-smi查询),建议更新到最新版本,这样就不会因驱动版本而下载CUDA版本受限。
NVIDIA官方显卡驱动下载地址:https://www.nvidia.com/Download/index.aspx?lang=en-us
确定算力:
N卡算力对照表
3,确认cuda版本
根据显卡算力和驱动版本确定CUDA版本
查询显卡算力对应的CUDA版本区间:https://zh.wikipedia.org/wiki/CUDA
CUDA版本与算力对照表
根据驱动版本进一步确认CUDA版本区间
CUDA版本与N卡驱动对照表
CUDA下载地址:https://developer.nvidia.com/cuda-toolkit-archive
显卡算力和显卡驱动版本共同决定你能下载的CUDA版本区间。
例如:我的电脑显卡是NVIDIA GeForce RTX 3080 Ti,算力是8.6,驱动版本512.15;
根据算力可选CUDA版本应大于11.0,根据驱动版本可选择大于11.0的任意版本。
3,安装CUDA、配置cudnn
安装CUDA时选择自定义安装,对比取消显卡驱动的二次安装NVIDIA GeForce Experience
cudnn下载地址:https://developer.nvidia.com/rdp/cudnn-archive
cudnn无需安装,只需要解压后对应复制到cuda安装目录下(其中include和bin文件夹可以直接移动,lib文件夹内容要移动到lib\x64目录下)
cudnn 下载后的放置目录
最后打开cmd,键入nvcc -V验证安装效果
验证CUDA安装结果
4,安装Anaconda
下载路径,默认安装https://www.anaconda.com/products/individual
5,安装PyCharm
下载路径,默认安装https://www.jetbrains.com/pycharm/
深度学习框架Tensorflow安装
1,安装tensorflow-gpu
开始菜单中打开
打开anaconda,创建python环境:
conda info --envs查看现有环境列表
创建Python环境(基于Tensorflow2.6版本,Python3.9版本创建,命令如下)
conda create --name tf2.6 python=3.9
conda activate tf2.6 进入某个环境
pip list 查看当前环境所有的依赖包
conda search --full --name tensorflow查看所有发现的版本,目前anaconda中最新为2.6
命令安装Tensorflow2.6(带GPU功能的版本,安装时使用清华镜像源加速)
pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
或者离线安装:控制台打开cd到已下载的文件目录-- 安装pip install tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl
安装完成后开始测试
Tensorflow环境验证
3,anaconda环境中安装附加包
激活环境activate tf2.6再安装附加包
然后再安装额外扩展包
pip install opencv-contrib-python==3.4.1.15 -i https://mirrors.aliyun.com/pypi/simple
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install pandas matplotlib notebook -i https://pypi.tuna.tsinghua.edu.cn/simple/
其余需要的附加包,可在用到时进行安装。
深度学习框架PyTorch安装
1.创建虚拟环境并配置镜像源
(为了防止冲突,pytorch安装自带cuda runtime。所以不需要下载Cuda单纯下载pytorch就可以使用GPU计算了。)
conda info --envs
conda create -n PT1.11 python=3.9
conda activate PT1.11
配置国内镜像源(提高软件下载速度)
命令行输入:命令行自动配置镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
2.安装PyTorch
打开pytorch官网,选择对应的配置
https://pytorch.org/get-started/locally/#windows-pip
输入下面命令安装
conda install pytorch torchvision torchaudio cudatoolkit=11.3
3,验证安装效果
安装完成后,测试环境
Pytorch环境验证
4,安装附加包(同Tensorflow)
软件使用
1,使用notebook新建项目
notebook创建项目
2,使用PyCharm新建项目
pycharm配置项目环境
pycharm运行测试
至此,深度学习框架的开发环境已经搭建完成!