Anaconda安装深度学习框架tensorflow_总结
从网上看了很多安装深度学习环境tensorfow的教程,很多需要通过Anaconda,并且使用国内的镜像源安装,而且存在很多版本不匹配的问题。
我经过多次安装,总结了简便的安装方式(目前可以),以及需要注意的库版本的对应问题。
安装环境如下:
库或环境 | 版本 |
---|---|
Tf | 1.9.0 |
Py | 3.6 |
Keras | 2.2 |
Gdal | 2.4 |
Opencv | 4.5 |
Numpy | 1.19 |
Matplotlib | 3.3.4 |
Cuda | 9.0 |
cudnn | 7.6 |
这套环境的各个库均可使用,不存在版本对应不匹配问题。
一、安装Anaconda
Anaconda建议下载、安装高版本。
使用清华大学开源软件镜像站下载。
网址:
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
二、创建python虚拟环境
1、conda常用的命令
1)conda list 查看安装了哪些包。在环境下
2)conda env list 或 conda info -e 查看当前存在哪些虚拟环境
3)conda update conda 检查更新当前conda
2、安装虚拟环境
在cmd窗口:
使用 conda create -n your_env_name python=X.X(2.7、3.6等) anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
指定python版本为2.7,注意至少需要指定python版本或者要安装的包# 后一种情况下,自动安装最新python版本
conda create -n env_name python=2.7
同时安装必要的包
conda create -n env_name numpy matplotlib python=2.7
注意:可以使用anaconda安装必要的包,但是安装过程缓慢,网络不稳定可能会导致失败!!!!!因此可以使用pycharm安装
3、激活/切换虚拟环境
Windows:使用代码 activate your_env_name(虚拟环境名称)
一定要在环境下进行包的安装!
创建完新环境后,不在使用Anaconda,直接在Pychram中打开新环境继续安装。
三、安装cuDNN和CUDA
检查电脑配置,检查显卡配置,进入官网下载对应版本的cuDNN和CUDA。
注意:要确定gpu还是cpu版本,以及确定自己想要安装的tf版本。
下载及安装
CUDA下载:CUDA Toolkit Archive | NVIDIA Developer官网,下载对应版本
cuDNN下载:cuDNN Archive | NVIDIA Developer官网,下载对应版本
CUDA下载完成后,开始安装,选择对应的电脑信息即可。安装完成后即可下载cuDNN。
cuDNN下载完成后,打开所在文件夹,将bin、include、lib三个文件夹分别复制到对应的CUDA文件夹中即可。
四、安装tensorflow及相关库(使用pycharm)
目前pycharm可以安装tensorflow,而且较为快速简便。
第一步:添加解释器环境,即自己使用anaconda创建的虚拟环境
第二步:在解释器设置中安装对应版本的tensorflow及其他库
五、注意
GDAL的安装
使用anaconda 或 Pycharm安装GDAL均失败,这里采用先下载GDAL到环境对应位置,再使用pycharm安装的办法。
pip install GDAL-2.4.1-cp36-cp36m-win_amd64.whl
Matplotlib安装
目前最新版本安装失败,可降低版本安装
numpy版本更换
tf2.0对应的numpy不能太高,需切换低版本。