小白快速安装GPU版本的tensorflow和pytorch

小白快速安装GPU版本的tensorflow和pytorch

最近一直在网上帮别人安装tensorflow和pytorch，其中有很多小白，对这方面的内容感到很困惑，所以我把我的安装过程写在这里，帮助大家去安装这些深度学习的框架。

说明

这里是我个人的安装经验，大佬请无视我这篇文章。大家在安装之前请先检查自己的电脑硬件，如果有英伟达的显卡基本都可以安装GPU版本的，如果没有的话请大家安装CPU版本的。因为是在国内，访问国外的网站有时候会比较卡，这个时候可以选择国内的镜像以及源，在这里，我推荐清华大学开源镜像站。

第0步 清理电脑

在帮别人安装过程中，因为各种各样的原因大家可能已经安装了一些东西，我起初是在大家安装好的基础上来进行安装的，但是总是出错，各种莫名奇妙的错误，所以在进行下面的操作之前，请确保你的电脑还没有安装python、nvidia的cuda，如果有的话也请卸载掉，这样可能会一定程度上增加你的成功率。

第一步：安装python环境

tensorflow和pytorch都是基于python这一编程语言来进行开发的，所以我们首先来安装python的环境。大家可能在看其他的一些教程的时候经常会看到安装annaconda这个软件，大家可以这么理解， Anaconda是一个方便的python包管理和环境管理软件，比如你要做饭，有的饭需要传统的煤气灶，有的呢需要烧烤炉，这里就对应了python的不同版本，煤气灶可以理解为3.7版本，烧烤炉呢可以理解为2.7版本，为了做菜呢（完成一个python开发的软件），你需要到去买菜，世界这么大，你不可能为了买一条鱼专门去趟海边，你就需要找到这样的一个菜市场，在这个菜市场里面你可以买到你想要的各种材料，那么conda在整个编程的过程中就充当了菜市场这样的一个角色，这样解释的话你应该大概明白了conda为什么这么好用，后面如果你看到pip的话，基本也和conda差不多，只不过pip主要是买菜，而conda则卖菜的同时也卖煤气灶和电磁炉这些。

下载的话还是建议大家去清华大学开源软件站下载，其中有anaconda和miniconda两个版本，我个人比较喜欢使用miniconda，miniconda主要通过命令行进行操作，而完整版的anaconda会自带可视化的工具，同时安装包也比较大，总之看个人喜好。

安装完毕之后，我们打开命令行(cmd)输入conda，如果能够输出信息，表明你安装成功。

另外如果你输出python的话，可以看到python的版本信息，这个是你电脑python的基本环境，并且你可以在这个里面做一些简单的运算。

第二步 更换国内镜像

后面我们会一直使用到conda和pip命令来进行包的安装，上面也提到，由于默认的包下载地址，在国外，在这里我们要修改为国内的地址，在cmd中输入下面的命令可以修改为国内的地址。

conda更换为清华大学源

conda config --add channels config --add channels config --add channels config --append channels config --append channels config --append channels config --set show_channel_urls yes

pip更换为清华大学源

pip config set

更换之后你将会发现下载包的时候速度飞快，彷佛菜市场就在家门口的感觉！

第三步 下载nvidia显卡驱动（GPU用户）

这步和下一步主要是针对GPU用户而言的，如果你是CPU用户，可以略过这部分的内容。

有的教程可能是直接通过cuda的方式来安装驱动，我并不推荐这种方式，我建议你先安装驱动在安装cuda，首先你要在你的设备管理器中查看你的显卡型号，比如在这里你可以看到我的显卡型号为GTX950m。

接着从​​英伟达官网​​ 下载对应你电脑型号的英伟达显卡驱动。

下载完毕之后就又是很简单的下一步下一步直到完成，完成之后，在cmd中输入命令

nvidia-smi

如果输出下图所示的显卡信息，证明你的驱动安装成功。

第四步安装cuda

CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

安装了这个小家伙才能帮助我们进行科学计算，同样我们需要在​​官网​​ 下载cuda的安装包，我个人比较喜欢使用cuda10.1版本，当然你也可以安装最新的10.2版本。

安装完毕之后，你需要在cmd中输入

nvcc -V

输入输出类似下图所示信息，证明你已经成功安装cuda

第五步 添加cudnn(GPU用户)

不管你是什么专业，你大概率是因为听说了神经网络这个东西才来安装tensorflow或者pytorch的，那么cudnn就是这样一个支持深度神经网络的库，有的博客在说安装cudnn，其实不是安装，只是把他下载下来放到cuda的安装目录，首先你要在​​cudnn官网​​下载，下载之前你需要注册一个英伟达开发者的账号。

这个时候你需要找到cuda的安装位置，一般是在电脑的这个位置C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA，点进去v10.1这个目录，然后将你刚下载好的cudnn解压，拖动到这个安装目录即可。

这个时候找到你的deviceQuery.exe程序，我的在这个目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite，在这个目录下打开cmd，输入deviceQuery.exe，如果结果为pass证明安装成功。

第六步 安装tensorflow和pytorch

为了后续代码的规范，你需要通过conda来创建不同的虚拟环境来帮助你安装tensorflow和pytorch，虚拟环境的概念大家可以百度一下，大概就是我们做菜需要不同的菜谱，这里的虚拟环境指的就是菜谱了，比如通过下面这个命令，你可以创建一个python版本为3.7的名字为torch1.0的虚拟环境。

conda create -n torch1.0 python==3.7

你可以使用

conda env

命令来查看你的虚拟环境，比如这里你可以看到我的虚拟环境。

并且通过

conda activate torch1.0

来激活我们的虚拟环境。

激活成功后前面会显示我们的虚拟环境名称。

安装tensorflow比如这里我们安装tensorflow-gpu的1.15版本，通过

# GPU版本pip install tensorflow-gpu==1.15# CPU版本pip install tensorflow==1.15

就能快速安装。 安装成功之后需要我们来进行一些测试，但是有可能在测试过程中提示你xxx.dll丢失，不要慌，这是因为我们安装的cuda版本比较新，我准备了这些dll文件，放在了qq群(群号：685527087)里，大家可以加群获取，因为网盘链接总是失效，就不放网盘链接了，将下载好的dll文件放在cuda安装目录的bin目录即可，我的目录位置在这C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin。 测试的时候在tensorflow的虚拟环境下输入python进入python的编程环境，然后输入下面的的代码

import tensorflow as tfprint(tf.test.is_gpu_available())

如果结果为true证明安装成功，GPU可以使用。

安装pytorchpytorch推荐使用官方的命令进行安装，命令如下

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

检查是否安装成功的话，同样先输入python进行python编程环境，然后输入

import torchflag = torch.cuda.is_available()print(flag)

如果输出结果为true证明安装成功, pytorch可以使用。

以上就是windows下安装pytorch和tensorflow的全部内容了，如果小伙伴们有问题的话可以在文章下方留言，也可以加入我建立的qq群（群号：685527087），需要的资源也可以在群中找到。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。