Anaconda3+TensorFlow_GPU1.8+CUDA9+Cudnn+PyCharm经验总结
5星
- 浏览量: 0
- 大小:None
- 文件类型：PDF
简介：
本简介详细记录了在Anaconda环境下配置TensorFlow GPU版本（1.8）的过程，包括CUDA 9和cuDNN的安装及调试技巧，适用于使用PyCharm进行开发的用户。
安装Anaconda3并配置深度学习环境的步骤如下：
1. **下载与安装**：
Anaconda是一个集成了众多科学计算库的Python发行版，在其官方网站上可以找到适合你操作系统的安装包进行下载安装。默认情况下，安装完成后会使用Python 3.7版本作为默认选项，但TensorFlow 1.8可能与此不兼容。因此需要将环境降级到Python 3.5。
- 方法一：直接通过命令行工具`conda install python=3.5`来替换为Python 3.5。
- 方法二（推荐）：创建一个新的conda环境，例如命名为 `py35`，使用命令 `conda create -n py35 python=3.5`。这样可以在不同环境中切换Python版本，并且确保库的隔离。
2. **激活与管理**：
使用命令 `activate py35` 来启用名为 `py35` 的环境，在此环境下安装TensorFlow和其他相关库，以避免它们与其他系统中的Python版本产生冲突。
3. **CUDA和cuDNN安装**：
- CUDA是NVIDIA提供的用于GPU加速计算的开发工具包。根据你的显卡支持情况选择合适的CUDA版本进行下载。
- cuDNN是一个专门针对深度学习中神经网络运算优化过的库，需要与已安装的CUDA版本相匹配。
安装时需确认所选组件之间的兼容性，以避免导入TensorFlow或者运行过程中出现错误。
4. **安装TensorFlow GPU版**：
在激活了 `py35` 的环境下通过命令行工具来安装 TensorFlow GPU 版本:
```
conda activate py35
pip install tensorflow-gpu==1.8.0
```
5. **配置PyCharm**：
打开 PyCharm，选择 File -> Settings -> Project Interpreter。点击右下角的齿轮图标并选择“Add”-> “Conda Environment”。在弹出窗口中选中`Existing environment`，然后定位到Anaconda3安装目录下的envs文件夹中的 `py35` 环境路径。
完成以上步骤后，PyCharm将使用该环境执行Python代码。
6. **验证安装**：
编写一个简单的测试脚本来检查TensorFlow是否正确导入以及GPU设备的识别情况。例如:
```python
import tensorflow as tf
print(TensorFlow version:, tf.__version__)
print(Is GPU available?, tf.test.is_gpu_available())
```
如果输出显示正确的 TensorFlow 版本并且确认了 GPU 可用，那么安装过程即为成功。
通过以上步骤可以构建一个基于 Anaconda3、TensorFlow 1.8（GPU版本）、CUDA 和 cuDNN 的开发环境，并且在 PyCharm 中进行了配置。为了确保程序的正常运行，请注意保持软件之间的兼容性，并定期更新组件以获取最新的性能优化和功能增强。
全部评论 (0)
