Windows 10 + NVIDIA配置 Anaconda + Python 3.6 + TensorFlow GPU + PyCharm

適用對象：在做機器學習/數(shù)據(jù)科學相關(guān)事情，不用online Jupyter，堅持在本地搭建環(huán)境的人..

在過去的一段時間，我一直在研究數(shù)據(jù)科學包括深度學習的相關(guān)內(nèi)容。然而需要學習的知識似乎并不總是像你期望的那樣順利。

目前這個領(lǐng)域最常見的編程語言和事實上的標準是Python和R。
與任何其他編程語言和工具一樣，總是需要學習和熟悉的眾多工具和框架，以便充分利用它們。
你可以花費和浪費無數(shù)時間來學習如何安裝和配置各種數(shù)據(jù)科學包，如Numpy，Matplotlib，TensorFlow等，試圖解決各種包依賴關(guān)系。

如果你遇到Anaconda，它會成為你最好的朋友，因為它會幫你減輕入門的挫敗感。
Anaconda發(fā)行版附帶1000多個數(shù)據(jù)包，包括 conda和虛擬環(huán)境管理器。

在這篇文章中，我們將探討如何使用Anaconda安裝Jupyter Notebook并開始使用Tensorflow和Keras來開始深度學習。Jupyter Notebook非常有助于您熟悉數(shù)據(jù)科學項目中想要實現(xiàn)的任何內(nèi)容。并幫你再AI時代脫穎而出（可以參考《分享你的Jupyter Notebook，在AI時代脫穎而出》）。

一個小問題

雖然大家都覺得Anaconda很好，但是，一個個小問題：

目前官網(wǎng)最新的Anaconda是集成Python 3.7的環(huán)境，注意是Python 3.7。

而Python 3.7和當前最新的TensorFlow 穩(wěn)定版是不兼容的！

所以這里我將以今天新鮮出爐的經(jīng)驗分享于你，
介紹如何在集成Python 3.7的Anaconda安裝Python 3.6和TensorFlow-GPU。

電腦配置（供參考）

這里是我的電腦配置，供參考。
當然這只是一個入門級的配置。

  • Windows 10 Pro (Version 1803)
  • Intel(R) Core(TM) i7-8700 CPU @ 3.20 GHz （6核心/12超線程）
  • 16 GB Memory
  • 1 TB Hard Disk
  • NVIDIA GeForce GTX 1070

下面進入正題，建議按照這個順序來安裝是比較合理的。

一、創(chuàng)建Python 3.6環(huán)境

右鍵管理員啟動anaconda Prompt

創(chuàng)建python36這個環(huán)境：

conda create --name python36 python=3.6

進入python36這個環(huán)境

conda activate python36

如果有需要回到 Python 3.7

如下：

conda deactivate

二、安裝 tensorflow-gpu

確認已經(jīng)安裝顯卡驅(qū)動

如果沒裝，請先到NVIDIA官網(wǎng)下載（本文是針對NVIDIA顯卡，如果是Intel或者AMD顯卡，請先哭一會...）

開始裝TensorFlow-gpu

先確保是在python36這個環(huán)境下：

conda activate python36

開始安裝：

conda install tensorflow-gpu

需要裝很多文件的，如果網(wǎng)速慢的話，估計需要幾十分鐘到幾小時的。請耐心，這個沒法，獲取去找一個更好的源（已經(jīng)超出本文范圍..）

檢查TensorFlow是否已安裝好

在python36里，進入python，然后輸入：

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

預期輸出

b'Hello , Tensorflow! '

如果OK就對啦，當然，你可以能回到如下問題：

遇到mkl_intel_thread.dll無法找到的問題

解決辦法（這也是Anaconda官方推薦的方案）：
在conda prompt：

conda update python

再一次，需要裝很多文件的，如果網(wǎng)速慢的話，估計需要幾十分鐘。

設(shè)置環(huán)境變量的值（可以在conda prompt設(shè)置，但下次就無效了；如需永久，在電腦環(huán)境變量設(shè)置）
set CONDA_DLL_SEARCH_MODIFICATION_ENABLE = 1

Disable GPU的Log信息

可能會有一堆的Warning，例如

2019-03-07 17:25:51.878252: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2019-03-07 17:25:52.221768: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties:
name: GeForce GTX 1070 major: 6 minor: 1 memoryClockRate(GHz): 1.683
pciBusID: 0000:01:00.0
totalMemory: 8.00GiB freeMemory: 6.64GiB
2019-03-07 17:25:52.227274: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2019-03-07 17:25:52.655576: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-03-07 17:25:52.658983: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0
2019-03-07 17:25:52.660728: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N
2019-03-07 17:25:52.662681: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 6396 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1070, pci bus id: 0000:01:00.0, compute capability: 6.1)

解決辦法：

在Python Code前設(shè)置log等級：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

查看TensorFlow和Keras版本：

import tensorflow as tf
from tensorflow.keras import layers

print(tf.VERSION)
print(tf.keras.__version__)

輸出

1.12.0
2.1.6-tf

三、配置Jupyter Notebook

進入python36：

conda activate python36

需要先安裝ipykernel

命令如下：

conda install ipykernel
python -m ipykernel install --user --name python36 --display-name "Python (Python 3.6)"

輸出：

Installed kernelspec python36 in C:\Users\***\AppData\Roaming\jupyter\kernels\python36

修改Jupyter的根目錄

Jupyter個根目錄默認在當前用戶的Home路徑。
這里示例將其改為D:\Jupyter路徑
找到Jupyter Notebook的啟動快捷方式，默認路徑在：
C:\Users\******\AppData\Roaming\Microsoft\Windows\Start Menu\Programs\Anaconda3 (64-bit)

找到它的屬性 -> 快捷方式，默認為（這里我是將Anaconda3安裝在了D盤的根目錄的）：

D:\Anaconda3\python.exe D:\Anaconda3\cwp.py D:\Anaconda3 D:\Anaconda3\python.exe D:\Anaconda3\Scripts\jupyter-notebook-script.py %USERPROFILE%

把里面的%USERPROFILE% 替換為 D:\Jupyter，即可。

以后再通過Jupyter Notebook的快捷方式啟動，根目錄就在D:\Jupyter了。

四、配置PyCharm

雖說有了Jupyter Notebook，已經(jīng)可以很方便的調(diào)試和查看Code，但是對于大一點的程序，還是直接在PyCharm里面編寫比較方便。

  1. 在PyCharm中新建Project
  2. 在“Project Interpreter”中選擇“Existing interpreter”
  3. 選擇Python36這個路徑下的python.exe作為interpreter

當然，除了PyCharm還有很多其他Python IDE是很推薦的，可以看這篇《推薦AI必備語言Python的幾款I(lǐng)DE》。

在PyCharm中測試一下

創(chuàng)建一個.py文件，還是用TensorFlow的例子，當然這次高級一點，來比較一下CPU和GPU的時間差異：

import tensorflow as tf
import timeit
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

# See https://www.tensorflow.org/tutorials/using_gpu#allowing_gpu_memory_growth
config = tf.ConfigProto()
config.gpu_options.allow_growth = True

with tf.device('/cpu:0'):
    random_image_cpu = tf.random_normal((100, 1000, 100, 3))
    net_cpu = tf.layers.conv2d(random_image_cpu, 32, 7)
    net_cpu = tf.reduce_sum(net_cpu)

with tf.device('/gpu:0'):
    random_image_gpu = tf.random_normal((100, 1000, 100, 3))
    net_gpu = tf.layers.conv2d(random_image_gpu, 32, 7)
    net_gpu = tf.reduce_sum(net_gpu)

sess = tf.Session(config=config)

# Test execution once to detect errors early.
try:
    sess.run(tf.global_variables_initializer())
except tf.errors.InvalidArgumentError:
    print(
        '如果出了這個Error表示GPU配置不成功！\n\n')
    raise


def cpu():
    sess.run(net_cpu)


def gpu():
    sess.run(net_gpu)


# Runs the op several times.
print('Time (s) to convolve 32x7x7x3 filter over random 100x1000x100x3 images '
      '(batch x height x width x channel). Sum of ten runs.')
print('CPU (s):')
cpu_time = timeit.timeit('cpu()', number=10, setup="from __main__ import cpu")
print(cpu_time)
print('GPU (s):')
gpu_time = timeit.timeit('gpu()', number=10, setup="from __main__ import gpu")
print(gpu_time)
print('GPU speedup over CPU: {}x'.format(int(cpu_time / gpu_time)))

sess.close()

輸出：

Time (s) to convolve 32x7x7x3 filter over random 100x1000x100x3 images (batch x height x width x channel). Sum of ten runs.
CPU (s):
25.24234085335886
GPU (s):
1.5711942943447745
GPU speedup over CPU: 16x

不錯~ 這個GPU和6個i7的CPU相比快了16倍??！

總結(jié)

為了安裝使用TensorFlow-GPU，Anaconda提供簡單、快速的安裝方式。非常推薦！

最后，工具是前提，配置好了之后還是要更多的專注在算法、模型和原理上。

?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