|
002、【详细步骤】conda方式安装tensorflow-gpu==1.14和PyTorch==1.3
conda方式安装tensorflow-gpu==1.14和PyTorch==1.3
前提条件:本机系统已经安装了CUDA:v10.0和cuDNN:v7.6.1 并不想改变 因为其他项目的TensorFlow-GPU使用了CUDA:v10.0这个版本
而查看PyTorch官网PyTorch==1.3的Stable版本只支持 CUDA v9.2和10.1版本 为了两者能共存需要用到conda的虚拟环境隔离
步骤:
1、conda create -n py3_torch_gpu python=3.6.8
2、conda activate py3_torch_gpu conda list 查看pip版本
3、用pip --version pip3 --version验证是否报错 以及位置是否在虚拟环境内部
4、pip 9.0.1 from D:\ProgramData\Miniconda3\envs\py3_torch_gpu\lib\site-packages (python 3.6)
5、执行:python get-pip.py 升级
6、再用pip --version pip3 --version 查看是否升级 同时根据路径只使用虚拟环境内的pip或pip3命令
通过 pip list 或 pip3 list也可以看出不同
7、conda list 查看pip版本 同时发现 Build=pypi_0 Channel=pypi 非常好!
8、pip3 install numpy和jupyter notebook和matplotlib和scikit-learn和nltk
9、【正式安装Pytorch】conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 发现pytorch torchvision非常卡 其他包很快(用的清华源) 失败!
10、conda install cudatoolkit=10.1 之后改变了环境内的pip版本 又得执行:python get-pip.py 升级
11、pip3 install torch===1.3.0 torchvision===0.4.1 -f https://download.pytorch.org/whl/torch_stable.html 速度非常快
12、检查PyTorch是否使用GPU(成功):import torch as T T.__version__ T.cuda.current_device() T.cuda.device_count() T.cuda.get_device_name(0)
13、【安装tensorflow-gpu】pip3 install tensorflow-gpu==1.14 Successfully opened dynamic library nvcuda.dll
14、pip3 install keras pip3 install opencv-python pip3 install opencv-contrib-python
conda install tensorflow-gpu==1.14 会自动提示:
cudatoolkit anaconda/pkgs/main/win-64::cudatoolkit-10.0.130-0
cudnn anaconda/pkgs/main/win-64::cudnn-7.6.0-cuda10.0_0
而PyTorch==1.3的Stable版本只支持 CUDA v9.2和10.1版本
2020年02-16:
- ==> WARNING: A newer version of conda exists. <==
- current version: 4.6.14
- latest version: 4.8.2
- Please update conda by running
- $ conda update -n base -c defaults conda
复制代码
【正式安装Pytorch=1.4】conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 发现 无法连接:CondaHTTPError: HTTP 000 CONNECTION FAILED for url
conda install cudatoolkit=10.1 共456.2M 下载速度比较快 之后改变了环境内的pip版本 又得执行:python get-pip.py 升级
pip3 install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html 速度非常快哦但是 安装pytorch=1.4报错:pip\_internal\cli\base_command.py MemoryError
解决:直接迅雷下载whl文件(会显示的根据你的版本):torch-1.4.0-cp36-cp36m-win_amd64.whl(这是我的 759M) 之后pip3 安装
再次运行pip3 install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html
提示torch已经安装好了 后面再安装torchvision===0.5.0 pillow等 非常顺利 成功!
检查PyTorch是否使用GPU(成功)
【安装tensorflow-gpu】pip3 install tensorflow-gpu==1.15 Successfully opened dynamic library cudart64_100.dll
pip3 install keras
【正式安装Pytorch=1.5】conda install pytorch torchvision cudatoolkit=10.2 -c pytorch 成功啦(2020-05-08 有截图)
ipynb文件在附件,可提供下载!
东方老师AI官网:http://www.ai111.vip
有任何问题可联系东方老师微信:dfy_88888
【微信二维码图片】
|
-
00.png
(117.29 KB, 下载次数: 168)
-
01.png
(28.45 KB, 下载次数: 171)
-
02.png
(46.19 KB, 下载次数: 167)
-
03.png
(27.52 KB, 下载次数: 164)
-
04.png
(27.43 KB, 下载次数: 168)
-
05.png
(100.55 KB, 下载次数: 166)
-
06.png
(45.48 KB, 下载次数: 165)
-
07.png
(48.32 KB, 下载次数: 166)
-
08.png
(39.19 KB, 下载次数: 166)
-
09.png
(39.82 KB, 下载次数: 167)
-
000.jpg
(73.42 KB, 下载次数: 166)
-
01.png
(43.2 KB, 下载次数: 164)
-
torch===1.4.jpg
(76.83 KB, 下载次数: 167)
-
torch01.png
(130.43 KB, 下载次数: 167)
-
torch02.png
(116.04 KB, 下载次数: 164)
-
torch03.png
(25.59 KB, 下载次数: 168)
-
-
Demo.ipynb
2.24 KB, 下载次数: 369
|