aconda安装tensorflow-gpu版本
1安装aconda
2安装cuda
查询tensoflow对应的cuda和python关系
官网 https://tensorflow.google.cn/install/source_windows?hl=en#gpu
网友 https://blog.csdn.net/K1052176873/article/details/114526086
CUDA与显卡驱动:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
TensorFlow-GPU与CUDA cudnn Python版本关系:https://tensorflow.google.cn/install/source_windows?hl=en#gpu
CPU
以下是windows的对应关系,Linux和macOS的对应关系在上面的链接里面
GPU
安装cuda和cudnn
假设这里安装
tensorflow-gpu==1.14.0
keras-gpu=2.2.4
对应cuda10. cudnn-7.4
但是从cuda官网看 cudnn7.6也是可以用的
下载cuda10
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
解压安装包
1,在组件CUDA中将Visual Studio Intergration取消掉。这个还是蛮有意思的,因为这个组件是专为VS配置的,但是现在使用的代码编译器基本都是vscode,pycharm等轻量编译器之流,用VS就比较没意义了;我在网上还看见一个说法,这个必须取消掉,不然没法正确安装。反正取消就完事了。
2 CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。上图可以看出,该显卡驱动版本是411.31。划重点:“当前版本”这一栏会显示你目前电脑上的显卡驱动型号,比如上图所示,我的电脑目前驱动是430.86,这个数字大于411.31,说明版本更新一些。如果你的当前版本高于CUDA想要安装的新版本,那么一定要把display driver取消掉!不然CUDA安装发现你现有的比我要安的还高级,我还安个锤子,就会出现安装失败的错误;如果你的当前版本低于CUDA想要安装的新版本,那么一定要把display driver勾选,驱动版本不够新,CUDA也运行不了。如果巧了当前版本与新版本一模一样,那勾不勾选随意。
检查环境变量
安装后自动切换
重启生效
下载cudnn-7.6
https://developer.nvidia.com/rdp/cudnn-download
https://developer.nvidia.com/rdp/cudnn-archive
解压后把cuDNN中bin,include,lib文件夹下的文件对应的复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1中相对应文件夹即可。
重启生效
aconda安装
GPU
安装环境
conda create -n py36 python=3.6
激活环境
activate py36
安装tensorflow
pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com h5py pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com opencv-python pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com scikit-learn pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com tensorflow-gpu==1.14.0 #会默认调用gpu版本的tensorflow pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com keras==2.2.4
这里使用pip安装而不是使用conda,原因是使用conda安装会默认安装cpu版本的tensorflow
使用conda安装会提示安装其他依赖包,这其中就包括cpu版本的tensorflow,这是我们不想要的。 所以千万不要使用conda命令安装keras,说起来都是泪。。。
【补充】使用上述方法安装keras的前提是,电脑上要安装tensorflow-gpu,只有这样,在使用pip install keras之后,keras才会默认使用你已经安装好的tensorflow-gpu作为底层实现,才能更好的进行gpu加速
运行程序
激活
activate py36
执行测试代码
python test_frcnn.py -p /path/to/test_data/