1 前言

这是我一开始写的一篇安装教程:深度学习1-深度学习环境安装,有这一篇就够了!Anaconda-Python+Tensorflow2.0-GPU+Keras+Pycharm .

总来的来说这一篇,也可以完成tensorflow2.0-GPU的搭建,但是有优化空间,不建议大家去看,有尤其是后面部分,一开始不懂,其实后面使用了pip 方式安装,这变成了原始python安装方式,等同于放弃了anaconda的优势,不过读者可以去看看科普下其他方面的知识,如显卡cuda和cudnn匹配知识等.

这一篇是笔者使用了深度学习框架个把月,并且踩过了一些坑之后,一开始没有开发错误,近期换电脑再次安装发现的一些坑或者说刻意避免坑,让我们在之后的学习中更加顺畅友好不折腾,所以对之前安装深度学习框架的一个总结和优化安装,一句话就是深度学习框架上Anaconda就完事了,不要去尝试我之前那一篇说可以尝试用原生的python去安装了,Anaconda很香,对我们后面安装依赖非常好.

什么坑,让我放弃了我之前的安装方式?原因:

1)如上文所述,我最开始那种方法,在后期虚拟环境的安装使用了pip的安转方式,这个等同于放弃了anaconda的优势,不利于包的管理,并且放弃了anaconda在安转某个依赖包的会自动安装关联这个包额外需要的其他依赖包优势,使用的pip的方法需要我们自己去补,会有一些匹配为题;

2)这个专门拿出来讲,tensorflow2.0-GPU是要用GPU计算的,我们需要给电脑配置cuda 和 cudnn两个框架,anaconda刻意做到,它会自动帮我们下载安装相应的cuda 和 cudnn,完全不需要网上和我之前写的那篇教程一样,自己手动下载然后配置,相当麻烦,所以这里强烈建议anaconda.

Tips:其实我主要是被这一点打动的,源于我之前安装的tensorflow一用GPU计算大的数据就会报"This is probably because cuDNN failed to initialize" 这个错误就是cuda和cudnn有问题,网上试了很多人的方法都不管用,后面我想到了可能就是安装依赖的问题,如果这个问题不解决,我们是用不了GPU的,那就只能强制变成CPU计算了,这个相当自废武功.

2 结构

Tensorflow2.0-GPU深度学习环境安装

环境:Windows 10

框架:Tensorflow2.0-GPU (CPU版本一样可以参考,非常建议大家按我这个步骤去安转,管理真的超级方便)

工具: Anaconda 包管理 + Pycharm 编程IDEA + 虚拟环境

(虚拟环境这个设计非常,建议采用,有什么好处?就是我们电脑未来不可可能只用python来写深度学习,后期我们可能会拿python来写爬虫或者web等其他的项目,如果我们不单独建虚拟环境,这个依赖包都在一个环境下,后面我们的包完全是乱的,根本不知道那些包是和tensorflow相关的,哪些包和爬虫相关,虚拟环境就可以解决这个问题,详细请看:Python为什么要使用虚拟环境-Python虚拟环境的安装和配置-virtualenv)

3 安装步骤(一条线做完下就完事,没有啥思考的了)

3.1 安装Anaconda

下载地址: Anaconda

安装:默认安装就完事,然后在安装的这个地方记得勾选一下,加入PATH环境变量,省的我们去配置

测试是否安装成功:打开cmd,输入:    conda list   

可以查看安装Anaconda自动安装的依赖包,记住conda命令,我们我安装依赖包都用conda了,不要使用python带的pip命令,切记切记,我第一遍就是犯了这个错误.

3.2 修改依赖包的下载为清华镜像

(强烈建议修改,不修改就会跟我一开始一样,下载速度感人,感人就算了,部分依赖包下载n次都下载不成功)

打开cmd,输入以下命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

===========2020/11/02===========

Tips:清华镜像，据说https已经访问不了了，要使用http访问，建议，若尝试访问不了，换下面的成http访问

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

===========2020/11/02===========

显示源:conda config --set show_channel_urls yes

删除源:conda config --remove-key channels

其他一些源:
阿里云 https://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

3.3 使用虚拟环境

(建议使用,不适用可以跳过这步)

1) 新建虚拟环境:新建名为tensorflow的虚拟环境,用来专门进行tensorflow学习训练,版本指定使用python3.6(3.6常用版本,--name后面是我们新建虚拟环境的名字,见名知意,取了tensorflow,说明它是用来做深度学习的环境)

conda create --name tensorflow python=3.6

2)进入刚刚新建以及以后要常使用虚拟环境

activate tensorflow

3.4 安装Tensorflow

下面才是主角,安装tensorflow,本文以tensorflow-2.0-gup为例,cup版其实也是一样的.

记得哦,安装tensorflow要先进入我们之前安装的虚拟环境下(如果没有安装,那就直接输入即可),因为我们说了这个虚拟环境是用来安装所有跟深度学习相关的依赖包,所以后面安装任何的包都需要先进入虚拟环境在输入安装命令.

安装命令千万记得使用conda,不要使用python带的pip安装,这两个还是有不同的.

conda install tensorflow-gpu==2.0

安装cpu版本可以conda install tensorflow==2.0

==================20210323 如果是conda安装某个包想指定源可以用:

conda install --channel https://mirrors.aliyun.com/pypi/simple/ 包名

pip方式是 : pip install 包名 -i http://pypi.douban.com/simple   (conda和pip方式有点不相同)

好处重现,就是前文说的,conda会自动给我们安装相适应的cuda和cudnn,完全不需要我们自己去英伟达官方下载然后折腾配置,这个使用conda自己就安装好了,很香,而且还不出错.

3.5 测试tensorflow-gpu版本是否安装成功

import tensorflow as tf 
tf.test.is_gpu_available() 

------------------2020.4.21-------------

建议安装cupy(numpy的GPU加速版本)

conda install cupy

3.6 编程IDEA-Pycharm2019的安装和配置

这部分可以完成看我之前写的那一篇,可以全部套用,经n次测试可以很香的使用.

深度学习1-深度学习环境安装,有这一篇就够了!Anaconda-Python+Tensorflow2.0-GPU+Keras+Pycharm .