cuda+cudnn+anaconda+tensorflow
- preface
- anaconda
* - brief
- installation
- cuda和cudnn
* - brief
- installation
- tensorflow2
* - brief
- installation
- vs install
preface
为了搞tensorflow项目，决定从环境搞起！！
以下是参考了几位在线大牛的博客后的学习记录。
[En]
The following is the learning record after referring to the blogs of several online Daniel.
anaconda
brief
使用python，会经常使用python的各种包，这很方便。但是对于像我一样的小白，经验甚是缺乏，对于各种包的版本管理很是头痛。
anaconda可以在一台设备上同时安装多个相互独立的python环境，十分方便。
installation
由于以前使用python已经安装过了，这里不再详述。
anaconda的安装配置参考博客
problem：出现的问题是环境变量的问题，这里一定要仔细，一般勾选annaconda自动添加path的选项是自动添加环境的。
在电脑单独安装的python环境是和anaconda独立的。
尽量在anaconda中新建环境，不要都把新的包安装在（base）环境。
cuda和cudnn
brief
不太懂，我就知道如果需要使用gpu加速深度学习，需要安装cuda和cudnn
如果你希望使用cpu版本的包（不使用gpu，则不需要安装cuda），例如如果你想使用cpu版本的tensorflow，不需要安装cuda以及cudnn。
installation
安装cuda前应该安装vs，否则在cuda安装的时候会提示你。vs的安装见下文。
cuda下载安装参考博客。
以下是我的实操。打开nvida面板查看自己电脑的支持cuda最高版本：
problem：win10在控制面版，我更新了win11，所以要在nvida面版看，版本很重要！！
在官网下载对应版本的cuda，很快。
在官网下载cuda对应版本的cudnn，每个cudnn的版本后面有写对应的哪个cuda版本，一定要对应！！！
我下载的是10.0
以下是cuda安装截图：
自定义安装截图是在线选择的，主要是为了查看位置：
[En]
The screenshot of the custom installation is selected online, mainly to see the location:
检查环境变量，它们通常是自动生成的。
[En]
Check the environment variables, which are usually automatically generated.
cudnn下载后是个压缩包，解压后将文件夹内的文件放到cuda安装位置的对应文件夹内（注意是对应的文件夹）。
然后cmd验证安装是否成功：
; tensorflow2
brief
深度学习框架。
installation
anaconda新建一个环境
在新环境中执行下面命令，执行中间选择y：
conda install tensorflow-gpu=2.0
验证：
python
import tensorflow
没有报错即可。
下面进一步验证：
在pycharm中新建项目，新建以下python文件，环境选择刚刚搭建的tensorflow环境。
import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
tf.compat.v1.disable_eager_execution()
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
hello = tf.constant('Hello,TensorFlow')
config = tf.compat.v1.ConfigProto(log_device_placement=True)
config.gpu_options.per_process_gpu_memory_fraction = 0.9
sess = tf.compat.v1.Session(config=config)
print(sess.run(c))
得到以下结果即可：
problem 1：
tensorflow 2和1的代码规则不太一致，常见的问题解决方案是在代码靠前的位置添加下面的代码
tf.compat.v1.disable_eager_execution()
并在报错的tf后面添加下面的代码
//更改前
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
//更改后
sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
problem 2：
tensorflow的版本和cuda也有对应，我的cuda是10.0，tensorflow是2.0成功安装，如果不设置tensorflow版本默认安装，可能版本不一致，导致后面报错。
vs install
我一直使用pycharm，没有打算使用vs，只是为了cuda才下载。参考博客
Original: https://blog.csdn.net/enzhiliangliang/article/details/123103045
Author: 嗨新年快乐
Title: cuda+cudnn+anaconda+tensorflow记录
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/511812/
转载文章受原作者版权保护。转载请注明原作者出处！