笔记本WIN10+GTX1650配置tensorflow-gpu2.2.0(利用anaconda命令安装cuda和cudnn
概览硬件配置:i7-10750h+4G GTX1650软件配置:anaconda3-5.1.0+visual studio +tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5确定适合自己的cuda和cudnn版本,看安装中的“三” 具体安装步骤一、安装anaconda(一)下载anaconda安装包进行安装(我的版本anaconda3-5.1.0):(二)安装anaconda时出现的问题及解决 二、安装visual studio(一)下载安装包进行安装(我:visual studio)(二)暂无问题 三、根据“自身显卡”+“所需的tensorflow版本”选择匹配的cuda和cudnn四、安装cuda10.1,cudnn7.6.5和tensorflow-gpu 2.2.0(一)使用conda命令安装cuda10.1和cudnn7.6.5(二)使用pip安装tensorflow-gpu2.2.0(三)安装说明1.说明:可更改上述代码等号后的数字,指定安装所需版本2.检查是否安装成功(是否成功调用GPU)3.临时换源提速 五、yolo代码报错问题概览
这篇文是我这个菜鸟配置完环境过程的记录,其中包含了配置的详细步骤以及过程中遇到的问题。
记录一下我的第一次配置经过。
硬件配置:i7-10750h+4G GTX1650
软件配置:anaconda3-5.1.0+visual studio +tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5
确定适合自己的cuda和cudnn版本,看安装中的“三”
具体安装步骤
一、安装anaconda
(一)下载anaconda安装包进行安装(我的版本anaconda3-5.1.0):
1. 如果电脑上已安装了python环境的话,建议先卸载。 2. anaconda安装步骤如下
我自定义的路径是D盘(目前无其他问题),如果C盘够大的话,保险起见可以装在C盘,以免后续有其他问题 我是两个都打勾,第一个是将anaconda的环境加到系统环境变量里;第二个是给anaconda安装python3.6(对于第二个勾选我也是存疑惑的,因为后边我在创建环境时又安装了3.7版本也无影响) 点击图中红框 两个勾选可取消
(二)安装anaconda时出现的问题及解决
1.点击VSCode提示Please make sure you are connected to the internet!
解决办法如下:先点击中止,不用关闭安装界面,然后完成以下步骤后,再次install VSCode第一步:在anaconda目录下找到文档vscode_inst.py,大概路径:/anaconda3/pkgs/vscode_inst.py第二步:打开文件,修改代码并保存找到以下代码(110行左右)
VSCODE_ENDPOINT = 'https://vscode-/api/update/{}/stable/version'.format(VSCODE_SUBDIR) # NOQA
改为以下代码:
VSCODE_ENDPOINT = 'https://update./api/update/{}/stable/version'.format(VSCODE_SUBDIR) # NOQA
找到代码(142行左右)
`r = requests.head(VSCODE_ENDPOINT, timeout=5)`
改为以下代码:
r = requests.head(VSCODE_ENDPOINT, timeout=5, allow_redirects=True)
二、安装visual studio
(一)下载安装包进行安装(我:visual studio)
以管理员身份运行setup.exe在下图步骤中,路径可不是C盘。安装类型我选择的是默认,对跑yolov4网络无影响。(选择自定义的话是选择安装的组件功能,选择的功能越多占用内存也越大。)
(二)暂无问题
三、根据“自身显卡”+“所需的tensorflow版本”选择匹配的cuda和cudnn
确认gpu算力,确认是否可以使用cuda加速(我只截取了部分,其他大家可去官网查看)
/zh-cn/cuda-gpus
找到你所需tensorflow-gpu版本对应的cuda和cudnn
确认你的显卡能够安装上个步骤中的cuda版本
1.桌面右键,打开NVIDIA控制面板
2.界面上方帮助—>系统信息–>界面上方的组件–>查看cuda driver
选择安装的cuda版本号<<显示的dll版本
cuda10.1及以下版本较稳定
- 确认cuda版本与cudnn适配
/rdp/cudnn-archive#a-collapse742-10
四、安装cuda10.1,cudnn7.6.5和tensorflow-gpu 2.2.0
(一)使用conda命令安装cuda10.1和cudnn7.6.5
在开始菜单找到并打开anaconda prompt
输入以下代码创建虚拟环境,新建一个python3.7的环境,命名为yolo
conda create -n yolo python=3.7
进入创建的conda环境
conda activate yolo
输入以下代码,安装cuda和cudnn(可更改等号后的数字指定版本号)
conda install cudatoolkit=10.1 cudnn=7.6.5
(二)使用pip安装tensorflow-gpu2.2.0
相同环境中输入以下代码,安装tensorflow-gpu 2.2.0(可更改等号后的数字指定版本号)pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna./simple
(三)安装说明
1.说明:可更改上述代码等号后的数字,指定安装所需版本
2.检查是否安装成功(是否成功调用GPU)
import tensorflow as tfprint("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
3.临时换源提速
该方法来自此博
pip --default-timeout=100 install 库名称 -i /simple/ --trusted-host 清华:https://pypi.tuna./simple 阿里云:/pypi/simple/中国科技大学 https://pypi.mirrors./simple/ 华中科技大学:/山东理工大学:/ 豆瓣:/simple/
五、yolo代码报错问题
训练yolo模型发现缺少dll
1.在anaconda的安装目录下Anaconda3\envs\YOLOV4\Library\bin可找到所缺文件
2.将缺少dll文件复制到C:\Windows\System32中
3.(这一点很重要)只要缺少cublas64_10.dll,必须将cublasLt64_10.dll和cublas64_10.dll一起复制到C:\Windows\System32
运行代码时,若报错"no module named xxx",搜索报错即可知安装什么库。
这只是一个记录帖,欢迎大家在评论中讨论,希望能和大家多多交流!
如果觉得《笔记本GTX1650配置tensorflow-gpu2.2.0(利用anaconda命令安装cuda和cudnn)》对你有帮助,请点赞、收藏,并留下你的观点哦!