深度學(xué)習(xí)環(huán)境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安裝

0.前言

本文作者接觸深度學(xué)習(xí)2個月后，開始進(jìn)行目標(biāo)檢測實踐。
本文作者的專題《目標(biāo)檢測》鏈接：http://www.itdecent.cn/c/fd1d6f784c1f
此專題的宗旨是讓基礎(chǔ)較為薄弱的新手能夠順利實現(xiàn)目標(biāo)檢測，專題內(nèi)容偏向于掌握技能，學(xué)會工具的使用。
本文作者尚未具備清楚講述目標(biāo)檢測原理的能力，學(xué)習(xí)原理請自行另找文章。

1.不同操作系統(tǒng)的指引

本文中演示的操作系統(tǒng)是Win10。
如果要學(xué)習(xí)如何在Linux操作系統(tǒng)中下載和安裝CUDA9.0、cudnn7.3、tensorflow_gpu1.10，請瀏覽本文作者的另外一篇文章《在谷歌云服務(wù)器上搭建深度學(xué)習(xí)平臺》，鏈接：http://www.itdecent.cn/p/893d622d1b5a
《在谷歌云服務(wù)器上搭建深度學(xué)習(xí)平臺》這篇文章中有部分內(nèi)容是如何建立和連接云虛擬機(jī)，這部分內(nèi)容對于擁有Linux主機(jī)的讀者是無用的。為了減少讀者閱讀無用內(nèi)容的時間，本文作者聲明，讀者只需要閱讀下面5個章節(jié)即可完成在Linux操作系統(tǒng)的深度學(xué)習(xí)環(huán)境搭建：

  1. 第2章《在云虛擬機(jī)中安裝Anaconda5.2》；
  2. 第4章《在云虛擬機(jī)中安裝Nvidia驅(qū)動》；
  3. 第5章《在云虛擬機(jī)中安裝CUDA9.0》；
  4. 第6章《在云虛擬機(jī)中安裝cuDNN7.1》；
  5. 第7章《在云虛擬機(jī)中安裝TensorFlow、Keras》

2.軟件下載

百度云盤下載鏈接: https://pan.baidu.com/s/1nGUYr3AHyDJrKzcUctprVg 提取碼: 1b66
本文作者在鏈接中上傳了4個深度學(xué)習(xí)環(huán)境搭建所必需的文件，如下：

  1. Microsoft出品，在Windows操作系統(tǒng)運(yùn)行所有軟件都依賴的.Net Framework庫，版本為4.6。
  2. Nvidia出品，用于做并行計算的平臺CUDA，版本為9.0，前提是電腦擁有Nvidia獨(dú)立顯卡。
    在做深度學(xué)習(xí)實驗時，建議最低配置也需要Nvidia GTX1060的6GB顯存版本。
    本文作者使用的是CUDA9.0，查看自己的電腦是否能夠使用CUDA9.0，請查看本文作者的另外一篇文章《Windows系統(tǒng)查看CUDA版本號》，鏈接：http://www.itdecent.cn/p/d3b9419a0f89
  3. Nvidia出品，用于做深度學(xué)習(xí)加速計算的cuDNN庫，版本為7.3。
  4. Google出品，提供給開發(fā)人員的深度學(xué)習(xí)開發(fā)框架TensorFlow。
    其有2個版本，cpu版和gpu版，本文要安裝的是gpu版本，因為gpu版本是cpu版本運(yùn)行速度的50倍。

在這篇文章當(dāng)中，本文作者只演示如何安裝軟件，使讀者能夠以最快的速度使用上深度學(xué)習(xí)的GPU加速。
學(xué)習(xí)如何從官網(wǎng)下載這些軟件，請閱讀本文作者的另外一篇文章：《深度學(xué)習(xí)環(huán)境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的下載》，鏈接：http://www.itdecent.cn/p/c73668544925

3.安裝.Net Framework4.6

選擇下圖中紅色箭頭標(biāo)注處exe可執(zhí)行文件，雙擊開始安裝。

image.png

雙擊后，顯示Extracting files。
image.png

因為本文作者已經(jīng)成功安裝，所以顯示如下圖所示。
需要進(jìn)行安裝的讀者，在安裝過程中不需要進(jìn)行選擇，一直點擊下一步，按照軟件的默認(rèn)設(shè)置安裝即可。
image.png

4.安裝CUDA9.0

本文寫作的時候，市面上已經(jīng)有CUDA10.0，但是沒有與之對應(yīng)的Tensorflow_gpu版本。
因為最新版的Tensorflow_gpu兼容CUDA9.0的版本容易從網(wǎng)上獲取，即通過pip install tensorflow_gpu安裝的版本是可以兼容CUDA9.0的。
選擇下圖中紅色箭頭標(biāo)注處exe可執(zhí)行文件，雙擊開始安裝。

image.png

不要修改默認(rèn)安裝位置，直接點擊OK，如下圖中紅色箭頭標(biāo)注處所示。
image.png

如下圖所示，正在提取安裝文件中的內(nèi)容，等待即可。
image.png

上圖運(yùn)行完成后，回自動彈出NVIDIA安裝程序，如下圖所示。
在檢測系統(tǒng)兼容性這一步，等待即可。
image.png

本文作者的顯卡是Nvidia RTX2070，在下圖中安裝程序顯示沒有發(fā)現(xiàn)可以兼容的顯卡設(shè)備。
因為CUDA9.0比RTX2070更早發(fā)布，所以沒有找到是合理的，但是安裝后仍然可以正常使用。
本文讀者可能直接跳到“許可協(xié)議”這一步，則說明安裝程序找到了可兼容的顯卡設(shè)備。
點擊下圖紅色箭頭標(biāo)注處，進(jìn)入下一步。
image.png

許可協(xié)議不用仔細(xì)去閱讀，點擊下圖紅色箭頭標(biāo)注處，進(jìn)入下一步。
image.png

安裝模式選擇精簡，點擊下圖紅色箭頭標(biāo)注處，進(jìn)入下一步。
image.png

勾選下圖中的上方紅色方框標(biāo)注處，然后NEXT按鈕會亮起。
點擊下圖中的下方紅色箭頭標(biāo)注處中的NEXT按鈕，進(jìn)入下一步。
image.png

安裝界面顯示Preparing for installation，即正在準(zhǔn)備安裝。
image.png

安裝過程中部分截圖如下圖所示。
image.png

安裝完成后，安裝程序界面如下圖所示。
點擊下圖中的下方紅色箭頭標(biāo)注處中的下一步。
image.png

結(jié)束界面中兩個可選項不用勾選。
點擊下圖中的下方紅色箭頭標(biāo)注處中的關(guān)閉，安裝CUDA9.0結(jié)束。
image.png

5.安裝cudnn7.3

使用解壓軟件將壓縮文件cudnn-9.0-windows10-x64-v7.3.1.20.zip解壓到當(dāng)然文件夾，
具體操作示意圖如下圖所示：

image.png

解壓后入下圖所示，在文件夾cuda9.0下載中多了文件夾cuda。
image.png

進(jìn)入文件夾cuda，如下圖所示。
文件夾cuda中有3個文件夾：bin、include、lib，和1個文件NVIDIA_SLA_cuDNN_Support.txt
image.png

選中文件夾cuda中的所有文件夾和文件，然后復(fù)制。
具體操作示意圖如下圖所示。
image.png

讀者需要找到自己電腦的CUDA安裝路徑，如果上一章安裝CUDA9.0是按照本文作者提示進(jìn)行的，則路徑應(yīng)該和本文作者相同。
本文作者的CUDA安裝路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，如下圖所示：
image.png

將文件夾cuda中復(fù)制的3個文件夾和1個文件復(fù)制到路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
具體操作示意圖如下圖所示。
注意，如果下圖中的粘貼按鈕不可使用，則重新復(fù)制文件夾cuda的3個文件夾和1個文件
image.png

如果讀者操作正確，則粘貼后路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0中內(nèi)容如下圖所示。
從下圖可以看出文件NVIDIA_SLA_cuDNN_Support.txt已經(jīng)被成功復(fù)制到該路徑下。
bin、include、lib這3個文件夾和路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0中的文件夾做了合并。
image.png

6.安裝tensorflow_gpu1.10

6.1 運(yùn)行pip install命令安裝本地WHL文件

使用WHL文件安裝python中的庫，使用的WHL文件如下圖所示。

image.png

在資源管理器的路徑處輸入cmd，如下圖所示，然后按Enter鍵進(jìn)入cmd工具。
image.png

讀者需要觀察cmd此時所在的路徑是否為WHL文件所在的路徑，如下圖所示。
image.png

在cmd中輸入命令：pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl，然后按Enter鍵運(yùn)行命令。
下圖中上方紅色箭頭標(biāo)注處表示cmd中運(yùn)行的命令。
下圖中下方紅色箭頭標(biāo)注處表示成功安裝。
image.png

6.2 運(yùn)行pip install命令安裝msgpack庫

考慮到部分讀者可能沒有安裝運(yùn)行tensorflow必需的msgpack庫。
在cmd中輸入命令：pip install msgpack，然后按Enter鍵運(yùn)行命令。

image.png

到這里為止，所有需要安裝的軟件和庫已經(jīng)完成，接下來只需要測試運(yùn)行環(huán)境能否使用。

7.測試運(yùn)行環(huán)境

7.1 新建文本文件

在文件夾中新建一個文本文件，具體操作示意圖如下圖所示：


image.png

7.2 編輯代碼

打開上一節(jié)中的文本文件，將下面一段代碼復(fù)制到其中。

import tensorflow as tf
hello = tf.constant('hello, tensorflow!')
session = tf.Session()
print(session.run(hello))

具體操作示意圖如下圖所示：

image.png

復(fù)制完成后，保存并退出。

7.3 重命名文件

首先讀者需要能夠更改代碼文件的后綴名，點擊查看，位置如下圖紅色箭頭標(biāo)注處所示。

image.png

如下圖紅色箭頭標(biāo)注處所示，需要勾選。
image.png

從上面2張圖的對比可以看出，兩者的區(qū)別是文件是否有后綴名。
把新建文本文檔.txt文件做重命名，修改為test.py。
提示是否確實要更改，選擇是，如下圖紅色箭頭標(biāo)注處所示。
image.png

修改后，文件情況如下圖所示：
image.png

7.4 運(yùn)行py文件

在文件test.py所在路徑下打開cmd，在cmd中輸入并運(yùn)行命令：python test.py，如下圖所示。
請讀者確認(rèn)cmd所在路徑需要與文件test.py所在路徑相同。

image.png

第1次運(yùn)行此命令時，程序需要大約2分鐘自動配置tensorflow_gpu運(yùn)行所需要的環(huán)境。
之后再運(yùn)行此命令時，都不再需要重復(fù)配置tensorflow_gpu運(yùn)行所需要的環(huán)境。
如果命令成功運(yùn)行，結(jié)果如下圖所示：
image.png

8.總結(jié)

  1. 本文作者提供4個安裝文件在百度云盤的下載鏈接，讀者可以直接下載安裝，省去了自己下載的麻煩。
  2. 本文詳細(xì)介紹了tensorflow的gpu版本的安裝細(xì)節(jié)，希望給入門深度學(xué)習(xí)的讀者帶來良好的起步。
  3. 如果讀者對細(xì)節(jié)有疑問，可以在評論區(qū)留言。
  4. 不同讀者的實際操作中，可能會遇到各種奇怪的困難，本文作者建議先將Nvidia相關(guān)驅(qū)動卸載干凈后，重新安裝Nvidia驅(qū)動，再實現(xiàn)本文當(dāng)中的操作。
  5. 如果一直出現(xiàn)找不到tensorflow庫的錯誤，本文讀者提示可以使用conda install tensorflow_gpu的方法先解決環(huán)境問題，然后再conda uninstall tensorflow_gpu，最后再實現(xiàn)本文當(dāng)中的操作。
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容