博客
关于我
Tensorflow-gpu安装
阅读量:468 次
发布时间:2019-03-06

本文共 2669 字,大约阅读时间需要 8 分钟。

Windows环境下安装TensorFlow-GPU并搭建Faster-rcnn的完整指南

安装TensorFlow-GPU在Windows系统上虽然略显复杂,但经过优化,确实可以顺利完成。如果你之前在Ubuntu上使用过Caffe搭建过Faster-rcnn,但在双系统环境下遇到显卡驱动安装失败的问题,Windows环境或许是一个更为可靠的选择。以下是详细的安装步骤和优化方案,帮助你轻松完成TensorFlow-GPU的安装和模型的训练。


1. 系统配置要求

  • 操作系统: Windows 10(推荐使用Pro版本)
  • 显卡: GTX 1050 Ti(或其他支持CUDA的显卡)
  • 内存: 建议8GB以上
  • 处理器: Intel i7-7700或更高(支持CUDA 9.0的架构)
  • 存储: 至少20GB可用空间

2. 必要工具安装

2.1 Visual Studio 2015

Visual Studio是CUDA开发的必备工具。如果你之前已经安装过2013版本,可以跳过这一步。安装Visual Studio时,记得选择"Custom"选项进行个性化安装,避免安装过多不需要的组件。

2.2 Anaconda Python发行版

Anaconda是一款功能强大的Python发行版,支持环境管理和第三方库安装。它包含了Python、Pandas、NumPy等基础库,也是TensorFlow和PyTorch的主要开发环境。安装步骤如下:

  • 下载Anaconda安装包,安装完成后重启系统。
  • 在Anaconda Prompt中输入以下命令创建一个Python 3.6的环境:
    conda create -n tensorflow python=3.6
    conda activate tensorflow
  • 如果需要支持CUDA的深度学习库,可以额外安装相关包:
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cupy-cuda111

  • 3. CUDA 9.0安装

    3.1 CUDA安装

  • 下载CUDA 9.0安装包,双击运行安装程序。
  • 默认安装路径为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\9.0
  • 3.2 验证CUDA安装

  • 打开Anaconda Prompt,输入以下命令验证CUDA版本:
    nvcc -V
  • 预期输出应包含CUDA 9.0版本信息。
  • 3.3 环境变量配置

    • 右键点击"此电脑",选择"属性" -> "高级系统设置" -> "环境变量"。
    • 在"系统"类别下,找到"PATH"和"NVIDIA_HOME",并确保它们包含CUDA安装目录。

    4. CUDNN 7.1.4安装

    4.1 下载CUDNN

    1.前往NVIDIA官方网站下载对应CUDA版本的CUDNN。 2. 解压下载的文件,并将以下文件夹拷贝到CUDA安装目录:

    cudnn-
    -windows10-x64-v7.1

    默认路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\9.0\cudnn\


    5. TensorFlow 1.9+安装

    5.1 创建并激活TensorFlow环境

  • 在Anaconda Prompt中创建一个新的Python环境:
    conda create -n tensorflow python=3.6
    conda activate tensorflow
  • 输入以下命令激活TensorFlow环境:
    source activate tensorflow
  • 5.2 安装TensorFlow-GPU

  • 如果是首次安装,可直接运行以下命令:
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.9.0
  • 如果需要升级到最新版本:
    pip install --upgrade tensorflow-gpu
  • 5.3 验证TensorFlow安装

  • 在Anaconda Prompt中输入以下代码测试:
    import tensorflow as tf
    print(tf.__version__)
  • 如果没有错误,TensorFlow已成功安装。

  • 6. Faster-rcnn模型训练

    6.1 数据准备

    确保已经准备好训练数据和预处理工具(如LabelImg)。建议使用预训练的ImagNet数据集,下载并解压到训练数据目录。

    6.2 环境配置

  • 在TensorFlow环境中安装必要的库:
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gym pytorch torchvision
  • 克隆Faster-rcnn主仓库:
    git clone https://github.com/rbgirshick/pytorch-image-models.git
    cd pytorch-image-models
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ./

  • 7. 常见问题解决

    7.1 显卡驱动安装失败

    • 如果显卡驱动安装失败,可以尝试手动安装最新版本的驱动程序。
    • 也可以使用 Device Toolbar(如NVIDIA Control Panel)手动分配显卡内存。

    7.2 Jupyter Notebook虚拟环境切换问题

    • 如果需要切换到不同的Python环境(如Python 2和Python 3),可以使用以下命令:
      conda activate base
      conda activate tensorflow
    • 如果Jupyter Notebook无法识别虚拟环境,尝试在Anaconda中安装nb_conda插件:
      conda install -c https://anaconda.org/nb_conda nb_conda

    通过以上步骤,你应该能够在Windows环境下顺利安装TensorFlow-GPU并完成Faster-rcnn的训练。如果在过程中遇到问题,可以参考TensorFlow官方文档或社区资源进行进一步的解决。

    转载地址:http://olfbz.baihongyu.com/

    你可能感兴趣的文章
    MYSQL 查看最大连接数和修改最大连接数
    查看>>
    MySQL 查看有哪些表
    查看>>
    mysql 查看锁_阿里/美团/字节面试官必问的Mysql锁机制,你真的明白吗
    查看>>
    MySql 查询以逗号分隔的字符串的方法(正则)
    查看>>
    MySQL 查询优化:提速查询效率的13大秘籍(避免使用SELECT 、分页查询的优化、合理使用连接、子查询的优化)(上)
    查看>>
    mysql 查询数据库所有表的字段信息
    查看>>
    【Java基础】什么是面向对象?
    查看>>
    mysql 查询,正数降序排序,负数升序排序
    查看>>
    MySQL 树形结构 根据指定节点 获取其下属的所有子节点(包含路径上的枝干节点和叶子节点)...
    查看>>
    mysql 死锁 Deadlock found when trying to get lock; try restarting transaction
    查看>>
    mysql 死锁(先delete 后insert)日志分析
    查看>>
    MySQL 死锁了,怎么办?
    查看>>
    MySQL 深度分页性能急剧下降,该如何优化?
    查看>>
    MySQL 深度分页性能急剧下降,该如何优化?
    查看>>
    MySQL 添加列,修改列,删除列
    查看>>
    mysql 添加索引
    查看>>
    MySQL 添加索引,删除索引及其用法
    查看>>
    mysql 状态检查,备份,修复
    查看>>
    MySQL 用 limit 为什么会影响性能?
    查看>>
    MySQL 用 limit 为什么会影响性能?有什么优化方案?
    查看>>