江苏龙网

  1. 首页 > 人文 > >

科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了( 四 )


现在安装驱动过程中最重要的步骤已经完成 ， 你可以选择手动安装CUDA工具包 ， 也可以选择在安装TensorFlow或PyTorch时留给Conda来安装（强烈推荐后者） 。
如果决定手动安装 ， 你可以从这里下载安装包：https://developer.nvidia.com/cuda-downloads ， 然后跟着指示操作即可 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
安装CUDA工具包
CUDA工具包装好之后 ， 你可以在cmd或Powershell中执行nvidia-smi命令进行验证 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
nvidia-smi的输出
安装TensorFlow
现在终于来到本教程的关键了 。 如果你已经完成了前述步骤 ， 那么这一步会非常简单 。
我们通过Conda来安装TensorFlow2.x 。
要注意 ， 首先进入我们之前创建的tensorflow环境 ， 然后再进行操作 。
如果你需要GPU支持 ， 就运行以下命令：
通过anaconda通道安装TensorFlow的GPU支持软件 。 使用conda而非pip安装TensorFlow的一大优势是conda的软件包管理系统 。 使用conda安装TensorFlow时 ， conda还会安装所有必需和兼容的依赖包 。 这个过程是自动的 ， 用户无需通过系统软件包管理器或其它方式安装任何其它软件 。
其中也包含TensorFlow或PyTorch所需的版本合适的CUDA工具包 。 因此 ， 使用conda能让这个过程变得非常简单 。
我们只能在安装了TensorFlowGPU的环境中看到所安装的CUDA工具包 。 这既不会影响到全局系统的CUDA版本 ， 同时也能满足TensorFlow和PyTorch的不同版本CUDA需求 。 这就是使用虚拟环境的最大好处 ， 它能让不同的虚拟环境完全隔离开 。
如果一切顺利 ， 你不会在安装过程中看到任何报错信息 。
要验证TensorFlow和所需的软件包是否成功安装 ， 你可以执行condalist ， 这会显示已安装软件包的列表 ， 你应该能在其中找到与TensorFlow相关的软件包以及CUDA工具包 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
你也可以打开Pythonprompt来验证是否已安装TensorFlow 。
如果你看到了版本号 ， 那么恭喜你 ， TensorFlow已安装成功！任务完成 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
在Pythonprompt中验证TensorFlow的安装情况 。
你在Pythonprompt中使用TensorFlow时可能会看到这样的信息：「OpenedDynamicLibrary」 ， 但这并不是坏消息 。 这只是一条日志消息 ， 说明TensorFlow可以打开这些软件库 。
GPU上的安装情况验证将在下文中介绍 。
如果要安装仅使用CPU的TensorFlow ， 你需要对安装命令进行简单的修改 。
这将会安装没有CUDA工具包和GPU支持的TensorFlow 。
安装PyTorch
安装PyTorch的过程与安装TensorFlow其实没太大差异 。 conda让这一切都变得非常简单 。
首先 ， 进入我们创建的torch环境 。
如果你想安装支持CUDA的PyTorch ， 使用以下命令：
该命令会通过Conda的PyTorch通道安装兼容CUDA的PyTorch 。
至于仅使用CPU的PyTorch ， 只需从以上命令中移除cudatookit即可：
这会安装无CUDA支持的PyTorch 。
和之前一样 ， 你可以使用condalist验证安装情况 ， 也可使用以下代码在Python上执行验证 。
如果返回版本号 ， 则说明已成功安装PyTorch 。
验证安装情况
有时候 ， 你觉得一切都很顺利 ， 准备开始使用这些工具时却遇到了一些重大错误 。 如果你正好遇到了这种情况 ， 有可能是机器的问题 ， 也可能是流程出错了 ， 不能一概而论 ， 要具体问题具体分析 。
为了帮助你更好地验证安装情况 ， 并确保TensorFlow和PyTorch使用的是指定的硬件 ， 这里分享一些笔记 。


推荐阅读


上一篇：科技日报地球深处的铀矿是这样挖到的

下一篇：中关村在线爆款热销 这款投影给你不一样的“视界”