十分钟安装Tensorflow-gpu2.6.0+本机CUDA12 以及numpy+matplotlib各包版本协调问题
���了台机器,又装Tensorflow,记得我第一次装的时候装了好几天,而今天只用了十分钟就搞定了,因为这个方法只用在终端操作,不用去英伟达官网下载包,刷刷刷的贼快,只是后面去找版本的对应问题了又花了些时间
文章目录
- 0.pip/conda换默认源
- 1.Anaconda+python虚拟环境
- 2.安装CUDA以及cudnn
- 3.Tensorflow-gpu2.6.0下载测试
- 4.附一个纯净的tensorflow2.6.0不打架所有pip list
0.pip/conda换默认源
为了高效下载,建议先把默认源换了,很简单这里不再赘述。(我用梯子,所以没换源😋)
1.Anaconda+python虚拟环境
如果你需要用到tensorflow了那我相信你一定会用Anaconda,Anaconda的安装不再赘述。只是提个醒,如果你第一次用conda create -n创建环境那么路径一定在C盘,而换默认路径一定是可以设置的,这里也不再展开
创建TensorFlow环境:(tf是环境名字,尽量取短点吧,要不然以后手都输麻)
conda create -n tf python=3.9
2.安装CUDA以及cudnn
找到NVIDIA控制面板->帮助->系统信息->组件看一下CUDA版本,我的12.0是目前最新的,一般向下兼容
作为最高效的安装方法,接下来的每一个下载都只在终端里完成
首先在Tensorflow官网里看一眼
我们就安装最新的tensorflow-gpu2.6.0+python3.9+CUDA11.2+cuDNN8.1套餐
先用conda search找找当前源下的CUDA与cuDNN有没有我们要的版本,如果没有对应包或者版本的话可以试试换镜像源,换几个总会有的。
conda search cuda
我的CUDA11.2有:
conda search cudnn
cuDNN8.1也有:
别忘了进入刚刚创建的环境:
activate tf
直接开下!
conda install cudatoolkit=11.2.0 conda install cudnn=8.1.0.77
两个都done了这一步就ok了,省去了多少官网的麻烦事
3.Tensorflow-gpu2.6.0下载测试
下载tensorflow-gpu2.6:
pip install tensorflow-gpu==2.6.0
此外还有几个必须包得装:
请确保numpy版本是1.19.5,否则tensorflow2.6.0与别的1.19.x都很容易打架
pip install protobuf==3.20.0 pip install numpy==1.19.5
如果要使用matplotlib会发现tensorlfow2.6.0需要的numpy版本比较低会和matplotlib打架
而经过在https://www.lfd.uci.edu/~gohlke/pythonlibs/#matplotlib的一番寻找,我找到了(一个一个试的)唯一一个符合python3.9环境兼容且与numpy1.19.5也兼容的matplotlib版本:matplotlib3.3.4
pip install matplotlib==3.3.4
下载结束后进python测试:
python import tensorflow as tf tf.test.is_gpu_available() exit()
True了就成功了,恭喜
再去跑跑之前的项目
完全没问题了
4.附一个纯净的tensorflow2.6.0不打架所有pip list
pip list
得
(tf) D:\AAA\PYTHON\pythonproject>pip list Package Version ----------------------- --------- absl-py 0.15.0 asttokens 2.2.1 astunparse 1.6.3 backcall 0.2.0 cachetools 5.3.0 certifi 2022.12.7 charset-normalizer 3.1.0 clang 5.0 colorama 0.4.6 comm 0.1.3 contourpy 1.0.7 cycler 0.11.0 debugpy 1.6.7 decorator 5.1.1 executing 1.2.0 flatbuffers 1.12 fonttools 4.39.3 gast 0.4.0 google-auth 2.17.2 google-auth-oauthlib 1.0.0 google-pasta 0.2.0 grpcio 1.53.0 h5py 3.1.0 idna 3.4 importlib-metadata 6.3.0 importlib-resources 5.12.0 ipykernel 6.22.0 ipython 8.12.0 jedi 0.18.2 jupyter_client 8.1.0 jupyter_core 5.3.0 keras 2.6.0 Keras-Preprocessing 1.1.2 kiwisolver 1.4.4 Markdown 3.4.3 MarkupSafe 2.1.2 matplotlib 3.3.4 matplotlib-inline 0.1.6 nest-asyncio 1.5.6 numpy 1.19.5 oauthlib 3.2.2 opt-einsum 3.3.0 packaging 23.0 parso 0.8.3 pickleshare 0.7.5 Pillow 9.5.0 pip 23.0.1 platformdirs 3.2.0 prompt-toolkit 3.0.38 protobuf 3.20.0 psutil 5.9.4 pure-eval 0.2.2 pyasn1 0.4.8 pyasn1-modules 0.2.8 Pygments 2.14.0 pyparsing 3.0.9 python-dateutil 2.8.2 pywin32 306 pyzmq 25.0.2 requests 2.28.2 requests-oauthlib 1.3.1 rsa 4.9 scipy 1.10.1 setuptools 67.6.1 six 1.15.0 stack-data 0.6.2 tensorboard 2.12.1 tensorboard-data-server 0.7.0 tensorboard-plugin-wit 1.8.1 tensorflow-estimator 2.12.0 tensorflow-gpu 2.6.0 termcolor 1.1.0 tornado 6.2 traitlets 5.9.0 typing-extensions 3.7.4.3 urllib3 1.26.15 wcwidth 0.2.6 Werkzeug 2.2.3 wheel 0.40.0 wrapt 1.12.1 zipp 3.15.0
哪里不一样直接照着抄就可行