---恢复内容开始--html
win10+python3.7.3+Anaconda3+CUDA10.0+cuDNN7.5+tensorflow_gpu1.13.1+opencv4.1.0(目前最新)python
要保证每一个软件对其余软件版本要求,来配置开发环境的版本。windows
(最重要的是:记住,并非最新版本的软件版本就是最好最兼容。期间偶几回想卸载python3.7降到python3.5全部软件从头再来。。。最后仍是被我一不当心仍是被我配出来了,网络
心路历程何其艰辛。)机器学习
好比坑一:学习
使用tensorflow_gpu版本而后就要安装cuda和cuDNN。而这个两个文件的版本是要根据python的版原本组合安装的。测试
坑二:ui
要注意软件的安装顺序,先安装python3.7 ,在安装Anaconda3(千万不要配里面的tensorflow和opencv环境,默认是最新版本)。再装CUDA10.0+cuDNN7.5。最后再在win10命令窗口安装合适的ensorflow和opencv版本。 若是须要用Anaconda3应用软件则再配置里面的tensorflow和opencv。这时里面的版本会降成电脑里装的版本,安装便可。spa
参考连接:http://www.javashuo.com/article/p-rwfngyzt-bq.html命令行
若是想要本身配,切记上面两坑。下面开始详解安装教程:
第一步:安装python
下载地址:https://www.python.org/getit/
最新版python3.7.3点击下载。
而后添加python的路径到环境变量,
注意python的安装路径为C:\Users\Administrator\AppData\Local\Programs\Python\Python37-32\Scripts\
检测python的路径:
如图所示安装成功。
而后安装opencv
下载连接:https://opencv.org/releases/
下载后解压获得文件夹,
把以下两个安装路径复制粘贴到环境变量:
J:\opencv\opencv4.1.0\build\x64\vc14\bin
J:\opencv\opencv4.1.0\build\x64\vc15\bin
在windous终端输入:pip install opencv_python 命令(Successfully表明安装成功)
第二步:安装Anaconda3
下载地址:https://www.anaconda.com/download/
我系统是64位,因此下载 64-Bit Graphical Installer (637 MB),以后就是进行安装了。
这里咱们不须要管理员权限
不建议安装C盘,内存有限。
第三步:配置Anaconda3环境变量
直接用win10自带的cortant找软件和设置灰常方便,不信你试试。。。
咱们点击左下角搜索栏搜索“环境变量”
点击环境变量
选择“Path”,点击“编辑”
将如下三个路径加入,注意这里要换成你本身的安装路径。
重要的事情说三遍,安装路径,安装路径,安装路径。。
F:\anaconda\anaconda_1
F:\anaconda\anaconda_1\Scripts
F:\anaconda\anaconda_1\Library\bin
而后点击“肯定”保存,这回再测试一下,再cmd中输入“conda -V”,能正常显示版本号,证实已经配置好了。
要特别申明:的是若是你要用Anaconda软件作opencv的开发,这时千万别急着安装里面的opencv和tensorflow
里面都是默认最新的适配Anaconda版本。如图: (此步为本博客里的全部环境配置成功后自行再Anaconda中配置)
而windous里安装的是tensorflow_gpu1.13.1(里面可选的都是18.0以上)
因此咱们先把windous系统下的tensorflow_gpu配好之后再来安装Anaconda环境下的tensorflow_gpu时
Anaconda软件里的库会自动降到tensorflow_gpu1.13.1如图所示
第四步:安装TensorFlow-GPU
官网参考地址:https://www.tensorflow.org/install/install_windows#installing_with_anaconda
按照里面的步骤来就行。
这里我给出里面的具体命令行一条一条的执行。
1.进入终端
2. conda create -n tensorflow pip python=3.7 //建立tensorflow的conda环境 python3.7
(接着会提示几个问你是否执行,输入y就行,下图为python3.5供参考)
等待相应包的安装,若是国内网络太慢的话,能够为conda设置清华源,这样速度能快一点,具体配置过程,
网上查一下吧,此处再也不讲述。若是看到这样的提示,就证实conda环境建立成功。
3. activate tensorflow //激活conda环境的tensorflow
4.安装tensorflow-gpu
安装GPU版本的tensorflow须要输入如下命令:
pip install --ignore-installed --upgrade tensorflow-gpu
//安装tensorflow-gpu 安装成功后有个Successfully
倒数第三行有一个Successfully,表明安装成功。
5.安装Anacomda基础包
conda install anaconda
第五步:安装CUDA Toolkit + cuDNN
注意,tensorflow是在持续更新的,具体安装的CUDA和cuDNN版本须要去官网查看,要与最新版本的tensorflow匹配。
点击查看最新tensorflow支持的CUDA版本:https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support
这里有个2018年以前老版本的配置表格:(因为我装的是python3.7这里能够不看跳过直接第二步)
(我在这里踩了很多坑,装了两次tensorflow,两次CUDA。我第一次是由于Anaconda3
开发环境里默认安装的是tensorflow1.19,而后与CUDA不匹配)
因此按照这个教程电脑匹配安装的是tensorflow1.13后面CUDA安装成功后能够显示安装版本。
在这个网址查找CUDA已发布版本:https://developer.nvidia.com/cuda-toolkit-archive
下载好CUDA Toolkit 10.0 后,咱们开始下载cuDnn 7.5,须要注意的是,下载cuDNN须要在nvidia上注册帐号,使用邮箱注册就能够,免费的。登录帐号后才能下载
cuDNN历史版本在该网址下载:https://developer.nvidia.com/rdp/cudnn-archive
下载win10 版本的,下载好后是这样的
因为CUDA Toolkit须要在指定版本显卡驱动环境下才能正常使用的,因此若是咱们已经安装了nvidia显卡驱动(很显然,大部分人都安装了),再安装CUDA Toolkit时,会因两者版本不兼容而致使CUDA没法正常使用,这也就是不少人安装失败的缘由。而CUDA Toolkit安装包中自带与之匹配的显卡驱动,因此务必要删除电脑先前的显卡驱动。
这里还有坑:
卸载完显卡驱动后你还要删除文件,否则你是装不上CUDA的。
删除系统盘中Program Files (x86)
和Program Files
内包含的 NVIDIA Corporation
和NVIDIA GPU Computing Toolkit
文件夹
*此时显卡驱动已经删了,桌面右键的NVDIA控制面板也不见了
重启电脑后,再安装CUDA也就是下载的第一个应用文件
下图为CUDA9.0的安装,过程都是同样的。
接下来,解压“cudnn-9.0-windows10-x64-v7.zip”,将一下三个文件夹,拷贝到CUDA安装的根目录下。
这样CUDA Toolkit 9.0 和 cuDnn 7.0就已经安装了,下面要进行环境变量的配置。
将下面四个路径加入到环境变量中,注意要换成本身的安装路径。(注:我安装的路径里的是CUDA10.0哦!)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
到此,所有的安装步骤都已经完成,这回咱们测试一下。
6、检查cuda是否安装成功:
import tensorflow as tf
tf.test.gpu_device_name() //查看是否使用GPU
2.查看在使用哪一个GPU
from tensorflow.python.client import device_lib
device_lib.list_local_devices() //查看使用哪一个gpu
ok写完,这篇博客写的我好累啊,我要休息下《T_T》.....
踩了两个星期的坑。。。。
终于把这个环境安装好了,之后不再用大刀阔斧,配置开发环境版本是一个深坑。。。
(不再用担忧机器学习了。。。口责 口责。。。)
win10+python3.7+Anaconda3+CUDA10.0+cuDNN7.5+tensorflow_gpu1.13.1+opencv3.4.2
这个配置方案我亲自一路踩坑过来,目前还没发现出现bug的状况,亲测有效哦!
后面如如有什么问题,能够在下方留言,你们一块儿沟通交流。。。。
(那些年咱们一块儿踩过的坑)
---恢复内容结束---