Skip to content

Latest commit

 

History

History
116 lines (63 loc) · 5.81 KB

creating-a-deep-learning-environment-with-tensorflow-gpu-c16980ed1f67.md

File metadata and controls

116 lines (63 loc) · 5.81 KB
Raw

使用 TensorFlow GPU 创建深度学习环境

原文：https://pub.towardsai.net/creating-a-deep-learning-environment-with-tensorflow-gpu-c16980ed1f67?source=collection_archive---------3-----------------------

深度学习

嗨！在本文中，我们将讨论如何为我们的机器创建深度学习环境。在开始这篇文章之前，我将给出关于我使用的操作系统和图形处理器的信息。所以我们开始吧！

由克里斯蒂安·威迪格在 Unsplash 上拍摄的照片

我正在使用的机器使用 Windows 10 Pro 作为操作系统。如果你想学习你的显卡的特性，你可以通过输入 dxdiag 而不是搜索来学习你的显卡的特性。

⚙️**OS:windows 10 pro ⚙️cuda 工具包:10 ⚙️cud nn:7.4 ⚙️tensor flow GPU:1 . 14 . 0 ⚙️keras:**2 . 2 . 5

第一步:获取显卡信息

图像由参考文献【1】

作者图片

如果您愿意，您可以通过将下面的代码写入终端，在短时间内学会这一步。

然后我们需要去 NVIDIA 的网站进行必要的下载。在输出中，您将看到图形卡的名称，如下图所示。

作者图片

步骤 2:检查图形处理器

在https://developer.nvidia.com/cuda-gpus#collapse4确定适合您机器的处理器。例如，在下图中，我们通过检查我积极工作的机器的处理器，了解了处理能力。

控制夸德罗 RTX 5000 处理器

第三步:安装 CUDA 工具包和 cuDNN 工具

现在我们需要在这一步非常小心地行动。我们将需要安装 CUDA 和 cuDNN 工具，它与我们将使用的 TensorFlow 版本相匹配。在此警告大家，如果下载不同版本，会遇到很多错误。

来源【3】

我最初安装了 tensorflow-gpu==1.15.0 ，因为我与 TensorFlow 2.x 版本有很多冲突。然而，我在运行 Mask RCNN 时遇到了几个版本冲突。在这篇文章中，我纠正了错误。如果您严格按照这些步骤操作，您的代码将不会出错。

💎 tensorflow-gpu==1.14.0 所需的编译显示 cuDNN 的 7.4 和 CUDA 工具包的版本 10 。

要访问 cuDNN 版本，请访问链接。

CUDA 10.0 的兼容 cuDNN 版本

👉您可以点击链接下载所选版本。

安装完这些工具后，我们需要将它们添加到 path 变量中。

图像来源

CUDA 路径设置

如果它没有作为路径变量添加，您需要检查这些设置。控制系统环境变量是非常重要的🧷

第四步:创建虚拟环境

此外，由于我使用了 Anaconda 提示符，所以我用 conda 创建了虚拟环境。然后我们用 activate 命令进入虚拟环境。

第五步:安装 Tensorflow-gpu

然后我们去 tensorflow-gpu 设置。在这个阶段，让我们注意使用 conda 安装，而不是 pip。这样做的原因是您在安装时得到了您的批准。我们也将看到 CUDA 和 cuDNN 版本安装，而给予这一批准。

第五步:cuDNN 和 CUDA 文件交换 ⛓

当我们打开我们下载的 cuDNN 归档文件时，我们将看到以下文件夹。

作者图片

我们将这些文件夹复制到安装 CUDA 的文件夹中。比如我把它复制到了C:\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v 10.0中的文件夹。

在所有这些阶段之后，必须安装 TensorFlow GPU。如果您愿意，可以使用以下命令控制终端。对于这一点，先别忘了写 python 到终端！

物理 GPU 控制

另外我想提出一个警告。如果您像我一样得到由 Skimage 库的版本引起的警告或错误，运行下面的命令。

🔮经过所有这些阶段，你的深度学习环境将毫无问题地工作！祝你健康美好的日子。

🎉你也可以关注我GitHub*YouTube和Twitter占更多内容！*

参考

  1. https://en.wikipedia.org/wiki/DxDiag
  2. https://towards data science . com/tensor flow-GPU-installation-made-easy-use-conda-instead-of-pip-52e 5249374 BC
  3. https://www.tensorflow.org/install/source_windows
  4. https://www.tensorflow.org/
  5. https://developer.nvidia.com/cuda-toolkit-archive
  6. https://www . architectryan . com/2018/08/31/how-to-change-environment-variables-on-windows-10/