docs/开发文档/python/机器学习/机器学习框架安装.md

title, date, tags, categories

title	date	tags	categories
windows安装tensorflow和pytorch	2023/2/5 9:40	机器学习框架 tensorflow pytorch	软件用法

windows安装tensorflow和pytorch

gpu驱动下载地址:https://www.nvidia.cn/Download/index.aspx?lang=cn
cuda下载地址:https://developer.nvidia.com/cuda-toolkit-archive
cudnn下载地址:https://developer.nvidia.com/rdp/cudnn-archive

• 安装GPU驱动
  在英伟达官网下载显卡型号对应的驱动,安装后打开cmd输入nvidia-smi会显示显卡信息,查看cuda version的版本

• 安装cuda toolkit
  下载小于等于之前查到cuda版本的安装包进行安装,默认安装即可

• 安装cudnn
  下载和cuda版本对应的cudnn,将压缩包解压后,将bin、include、lib三个文件夹拷贝到cuda安装路径，默认在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6目录下,和原有的bin、include、lib目录合并即可

安装tensorflow-gpu版

• 安装

  pip install --upgrade pip
  pip install tensorflow-gpu
  # 将cuda程序添加到环境变量, 可以先查看环境变量有没有, 没有在添加
  SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin;%PATH%
  SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64;%PATH%
  SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include;%PATH%
  SET PATH=C:\tools\cuda\bin;%PATH%
  

• 验证安装

  import tensorflow as tf
  
  tf.test.is_gpu_available()  # 输出为True,即成功
  a = tf.constant(2.)
  b = tf.constant(4.)
  a * b
  

安装pytorch

1. 安装pytorch的gpu版

   官网下载地址:https://pytorch.org/get-started/locally/ image

   • 使用conda安装时最好指定虚拟环境的路径和python版本,否则容易安装到conda默认的base环境下,python版本被升级,加上--prefix 虚拟环境的路径或-p 路径参数指定路径
   • 例如: cuda版本11.6 安装命令为：conda install -p d:/envpath pytorch torchvision torchaudio pytorch-cuda==11.6 python==3.9.13 -c pytorch -c nvidia
     安装过程比较耗时,根据个人电脑性能、网络时长不定。如果使用国内conda源安装最好不要使用最新版,有可能还没同步,建议比官方最新

2. 验证gpu安装

   import torch
   # 查看pytorch的版本,输出安装的版本号没有＋cpu字样
   print(torch.__version)
   
   # 检查是否可以使用gpu,输出为True即可使用gpu
   print(torch.cuda.is_available())
   
   # 检查cuda版本
   print(torch.version.cuda)
   
   # 获取可用gpu个数
   print(torch.cuda.device_count())
   
   # 获取gpu属性
   print(torch.cuda.get_device_properties('cuda:0'))
   
   # 获取gpu名称
   print(torch.cuda.get_device_name('cuda:0'))