查看tensorflow版本(查看tensorflow版本命令)

#我在头条搞创作#

实践是检验真理的唯一标准！

深度学习本身就是一个多学科的领域，需要大量的理论和数学知识使得真正的理解相对困难；而深度学习框架简化了实现的过程，使我们可以相对直观的感受到深度学习的过程，使我们的学习和开发过程事半功倍。

我们以目前最受学术界欢迎的深度学习框架PyTorch为例，简要介绍一下环境的搭建。

硬件配置要求：

深度学习硬件配置

基础软件安装

1，先安装VC_redist.x64或直接安装vs2019开发环境（这个安装后必须重启电脑）

下载链接：https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-170

2，安装显卡驱动并确定算力

显卡驱动

显卡驱动版本，在NVIDIA控制面板的系统信息可查询到（或者命令行输入nvidia-smi查询），建议更新到最新版本，这样就不会因驱动版本而下载CUDA版本受限。

NVIDIA官方显卡驱动下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

确定算力：

N卡算力对照表

3，确认CUDA版本

根据显卡算力和驱动版本确定CUDA版本

查询显卡算力对应的CUDA版本区间：https://zh.wikipedia.org/wiki/CUDA

CUDA版本与算力对照表

根据驱动版本进一步确认CUDA版本区间

CUDA版本与N卡驱动对照表

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

显卡算力和显卡驱动版本共同决定你能下载的CUDA版本区间。

例如：我的电脑显卡是NVIDIA GeForce RTX 3080 Ti，算力是8.6，驱动版本512.15；

根据算力可选CUDA版本应大于11.0，根据驱动版本可选择大于11.0的任意版本。

3，安装CUDA、配置cudnn

安装CUDA时选择自定义安装，对比取消显卡驱动的二次安装NVIDIA GeForce Experience

cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-archive

cudnn无需安装，只需要解压后对应复制到cuda安装目录下（其中include和bin文件夹可以直接移动，lib文件夹内容要移动到lib\x64目录下）

cudnn 下载后的放置目录

最后打开cmd，键入nvcc -V验证安装效果

验证CUDA安装结果

4，安装Anaconda

下载路径，默认安装https://www.anaconda.com/products/individual

5，安装PyCharm

下载路径，默认安装https://www.jetbrains.com/pycharm/

深度学习框架Tensorflow安装

1，安装tensorflow-gpu

开始菜单中打开

打开anaconda，创建python环境：

conda info --envs查看现有环境列表

创建Python环境(基于Tensorflow2.6版本，Python3.9版本创建，命令如下)

conda create --name tf2.6 python=3.9

conda activate tf2.6 进入某个环境

pip list 查看当前环境所有的依赖包

conda search --full --name tensorflow查看所有发现的版本，目前anaconda中最新为2.6

命令安装Tensorflow2.6(带GPU功能的版本，安装时使用清华镜像源加速)

pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

或者离线安装:控制台打开cd到已下载的文件目录-- 安装pip install tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl

安装完成后开始测试

Tensorflow环境验证

3，anaconda环境中安装附加包

激活环境activate tf2.6再安装附加包

然后再安装额外扩展包

pip install opencv-contrib-python==3.4.1.15 -i https://mirrors.aliyun.com/pypi/simple

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install pandas matplotlib notebook -i https://pypi.tuna.tsinghua.edu.cn/simple/

其余需要的附加包，可在用到时进行安装。

深度学习框架PyTorch安装

1.创建虚拟环境并配置镜像源

（为了防止冲突，pytorch安装自带cuda runtime。所以不需要下载Cuda单纯下载pytorch就可以使用GPU计算了。）

conda info --envs

conda create -n PT1.11 python=3.9

conda activate PT1.11

配置国内镜像源（提高软件下载速度）

命令行输入：命令行自动配置镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2.安装PyTorch

打开pytorch官网，选择对应的配置

https://pytorch.org/get-started/locally/#windows-pip

输入下面命令安装

conda install pytorch torchvision torchaudio cudatoolkit=11.3

3，验证安装效果

安装完成后，测试环境

Pytorch环境验证

4，安装附加包（同Tensorflow）

软件使用

1，使用notebook新建项目

notebook创建项目

2，使用PyCharm新建项目

pycharm配置项目环境

pycharm运行测试

至此，深度学习框架的开发环境已经搭建完成！