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 insert update 同时执行_MySQL进阶三板斧(三)看清“触发器 (Trigger)”的真实面目...
    查看>>
    mysql interval显示条件值_MySQL INTERVAL关键字可以使用哪些不同的单位值?
    查看>>
    Mysql join原理
    查看>>
    MySQL Join算法与调优白皮书(二)
    查看>>
    Mysql order by与limit混用陷阱
    查看>>
    Mysql order by与limit混用陷阱
    查看>>
    mysql order by多个字段排序
    查看>>
    MySQL Order By实现原理分析和Filesort优化
    查看>>
    mysql problems
    查看>>
    mysql replace first,MySQL中处理各种重复的一些方法
    查看>>
    MySQL replace函数替换字符串语句的用法(mysql字符串替换)
    查看>>
    mysql replace用法
    查看>>
    Mysql Row_Format 参数讲解
    查看>>
    mysql select, from ,join ,on ,where groupby,having ,order by limit的执行顺序和书写顺序
    查看>>
    MySQL Server 5.5安装记录
    查看>>
    mysql server has gone away
    查看>>
    mysql slave 停了_slave 停止。求解决方法
    查看>>
    MySQL SQL 优化指南:主键、ORDER BY、GROUP BY 和 UPDATE 优化详解
    查看>>
    MYSQL sql语句针对数据记录时间范围查询的效率对比
    查看>>
    mysql sum 没返回,如果没有找到任何值,我如何在MySQL中获得SUM函数以返回'0'?
    查看>>