文章目錄
- 楔子
- anconda的安裝：
- CUDA，cuDNN的安裝：
- tensorflow-gpu的安裝：
-
- 配置一個tensorflow的環境：
- 安裝tensorflow-gpu：
- 安裝spyder：
- pytorch安裝：
- conda commands:
楔子
之前是在ubuntu16.04LTS上安裝的是python2.7非anconda方式的tensorflow-gpu。
1、學習使用一段時間後python2.7有點坑，網上的好多代碼不能直接運作，比如：無法使用**表示keywords dic；
2、而且在ubuntu使用spyder始終無法實作漢字的輸入，對于學習階段注釋很重要，很不友善；
3、後來偶然使用wintogo制作了一個win10的系統，就像基于anconda方式傻瓜式搭建。
最後沒有能用conda的傻瓜裝法，還是在全局下安裝CUDA和cuDNN，這樣版本才能可控。
anconda的安裝：
直接官網下載下傳，傻瓜式安裝。（環境變量可以勾，不勾就需要自己配置）
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Windows-x86_64.exe
CUDA，cuDNN的安裝：
注意了他們兩個是配套的，先下CUDA：
再找對應版本的cudnn
先安裝CUDA，再把cuDNN解壓，把這三個檔案夾的檔案放進CUDA安裝目錄的三個相同的檔案夾内：
cuDNN是對CUDA的補充，是針對DNN加速的，就這麼了解。
手動添加一下如下環境變量，明顯他是針對cuDNN的環境變量
tensorflow-gpu的安裝：
配置一個tensorflow的環境：
如下就是配置一個python版本3.6的環境，環境的名字叫tensorflow ：
(base) C:\windows\system32>conda create -n tensorflow pip python=3.6
為什麼需要專門配置一個新的環境，anconda有一個預設的環境base，理論上可以安裝在預設環境下，但是為了防止依賴沖突，最好是建立一個環境，實際上在base下直接安裝會報錯：
(base) C:\windows\system32>conda install tensorflow-gpu
Solving environment: failed
UnsatisfiableError: The following specifications were found to be in conflict:
- tensorflow-gpu
Use "conda info <package>" to see the dependencies for each package.
進入新的環境：
(base) C:\windows\system32> conda activate tensorflow
(tensorflow) C:\windows\system32>
(tensorflow) C:\windows\system32>
安裝tensorflow-gpu：
建議不要使用conda install tensorflow-gpu，他會下載下傳使用自己的CUDA，之前說的傻瓜就是說的這個，關鍵是它自己CUDA和tensorflow-gpu不比對使用起來存在問題，至少我試過python3.5和3.6都有問題。
使用pip安裝指定版本。
pip install --ignore-installed --upgrade tensorflow_gpu==1.8.0
安裝之前最好把pip更新到最新版本；
按照過程會安裝很多依賴，需要等待；
還有tensorflow_gpu版本需要特别注意，要和CUDA,cuDNN配套，最新版本說不定就不支援，這裡給一個過時的支援：
可以直接在建立的容器裡使用python測試：
import tensorflow as tf
import numpy as np
import time
# 産生用于計算測試的資料
value = np.random.randn(5000,1000)
a = tf.constant(value)
# 計算方式
b = a*a
# gpu
tic = time.time()
with tf.Session() as sess:
for i in range(1000):
sess.run(b)
toc = time.time()
t_cost = toc - tic
print(t_cost)
安裝spyder：
在容器裡安裝spyder:
如果base環境裡面有spyder, 在這個環境裡會直接copy過來的
還有一點在spyder裡面看不見使用GPU的日志，linux裡面是可以看到的，不管了反正使用的是GPU計算就是了。
pytorch安裝：
CUDA和cuDNN已經全局安裝好了：
pip3 install https://download.pytorch.org/whl/cu90/torch-1.0.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
假如外部沒有安裝CUDA和cuDNN，可以試試：
成功結果如下：
conda commands:
# 建立新環境
conda create -n rcnn python=3.6
# 删除環境
conda remove -n rcnn --all
# 重命名環境
conda 其實沒有重命名指令，實作重命名是通過 clone 完成的，分兩步：
# 先 clone 一份 new name 的環境
# 删除 old name 的環境
# 比如，想把環境 rcnn 重命名成 tf
# 第1步
conda create -n tf --clone rcnn
Source: /anaconda3/envs/rcnn
Destination: /anaconda3/envs/tf
Packages: 37
Files: 8463
# 第2步
conda remove -n rcnn --all
# 結果
conda info -e
# conda environments:
#
crawl /anaconda3/envs/crawl
flask /anaconda3/envs/flask
tf /anaconda3/envs/tf
root * /anaconda3