使用conda代替pip让Tensorflow GPU安装变得更加简单!

JM 2018-10-11

点击上方关注,All in AI中国

作者:Harveen Singh

我有一个配置很好的GPU,我曾经用它玩过FIFA游戏。而在人工智能方面,我想使用GPU进行深度学习而不是玩游戏。但是,我担心Tensorflow GPU的安装不兼容Cuda的版本。在本文中,我将解释其安装的传统方法和新的优化方法,以及为什么我们应该抛弃pip而使用conda的原因。

传统方法

要为GPU安装Tensorflow,必须遵循以下步骤(步骤适用于Windows操作系统):

1.首先找出GPU是否与Tensorflow GPU兼容。

https://developer.nvidia.com/cuda-gpus

2.从这里下载并安装Cuda Toolkit。

https://developer.nvidia.com/cuda-downloads

3.通过注册Nvidia开发者网站下载cuDNN

https://developer.nvidia.com/cudnn

4.通过将cuDNN的内容解压缩到步骤2中安装的Cuda Toolkit路径来安装cuDNN。必须在Cuda Toolkit目录中替换文件。

5.是这样吗?不,无论CUDA_HOME存在与否,需要检查路径变量。如果没有,请手动添加。

6.无论工具箱路径可用或不可用,都需要检查路径变量。

7.然后安装Anaconda或Miniconda

8.采用Python和安装Pip软件包创建环境。

9.最后,通过pip安装Tensorflow GPU。

10.测试安装。

那么你可能会说这很容易。为什么不继续尝试呢?请记住,我没有为上述任何步骤提供视觉效果,因为这些只是为了增加你的知识,并解释我们在此过程中遇到的问题。

虽然可能只有1%的概率,但这个过程会对你有利!

为什么?其原是由于版本编号不同。

使用conda代替pip让Tensorflow GPU安装变得更加简单!

图1 Tensorflow GPU的各种版本

不同版本的Tensorflow支持不同的cuDNN和CUDA Verisons(在此表中,CUDA有一个整数值,但是当你下载它时实际上是一个浮点数,这使得编号和兼容性更加困难)。另外,cuDNN和conda也不是conda的一部分。

更加有效的新方法

安装Miniconda或Anaconda,然后运行此命令。

使用conda代替pip让Tensorflow GPU安装变得更加简单!

是这样吗?对。

此命令将创建一个以'tf_gpu'命名的环境,并将安装Tensorflow GPU需的所有软件包,其中包括cuda和cuDNN兼容的verisons。

使用conda代替pip让Tensorflow GPU安装变得更加简单!

图2. cuDNN和Cuda现在是Conda安装的一部分

并且它也不会干扰你在当前的环境所有准备好的设置。

如果你很难看到命令,我会将此命令分解为三个命令。

使用conda代替pip让Tensorflow GPU安装变得更加简单!

注意:这也适用于Ubuntu用户。没有更多的脚本可以让DL在GPU上运行。

测试Tensorflow安装

要测试Tensorflow安装,请按照下列步骤操作:

1.使用'activate tf_env'打开终端并激活环境。

2.使用'python'转到python控制台

使用conda代替pip让Tensorflow GPU安装变得更加简单!

使用conda代替pip让Tensorflow GPU安装变得更加简单!

图3 验证Tensorflow安装

此信息最初发布于此处。本文还讨论了Tensorflow计算中的一些改进。

使用conda代替pip让Tensorflow GPU安装变得更加简单!

相关推荐