Tensorflow 2.3 安装：修订间差异

来自牛奶河Wiki
跳到导航 跳到搜索
（创建页面，内容为“TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统，被广泛应用于各类机器学习(machine learning)算法的编程实现，其前身是谷歌的神经网络算法库 DistBelief 。 Tensorflow 拥有多层级结构，可部署于各类服务器、PC终端和网页并支持 GPU 和 TPU 高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。 TensorFlow 由谷歌人工智能…”）
 
 
（未显示同一用户的19个中间版本）
第4行： 第4行：


TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。
TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。
=== 语言与系统支持 ===
TensorFlow 支持多种客户端语言下的安装和运行。截至版本1.12.0，绑定完成并支持版本兼容运行的语言为 C 和 Python，其它（试验性）绑定完成的语言为 JavaScript、C++、Java、Go 和 Swift，依然处于开发阶段的包括 C#、Haskell、Julia、Ruby、Rust 和Scala。
==== Python ====
TensorFlow 提供 Python 语言下的四个不同版本：
* CPU版本(tensorflow)
* 包含GPU加速的版本(tensorflow-gpu)
* 以及它们的每日编译版本(tf-nightly、tf-nightly-gpu)
TensorFlow 的 Python 版本支持 Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0 及对应的更高版本，其中 macOS 版不包含 GPU 加速。
* 安装 Python 版 TensorFlow 可以使用模块管理工具 pip 或 anaconda 并在终端直接运行。
* TensorFlow 在 2.0 之前的 GPU 版本和 CPU 版本是分开的，以后的版本不用区分。
* TensorFlow 从 2.11.0 版本开始，在  windows 上不再支持GPU。


=== 依赖 ===
=== 依赖 ===
第10行： 第26行：
# ANACONDA 3-2021.11
# ANACONDA 3-2021.11
# CUDA 10.1(CupTI)
# CUDA 10.1(CupTI)
# CUDNN SDK 7.6
# cuDNN SDK 7.6
# 需要安装 Visual Studio, CUDA 需要 VS 的支持，只需要安装 VS 的核心部件
 
P.S. Tensorflow 2.3 需要算力不低于 3.5.


=== 基础 ===
=== 基础 ===
第21行： 第40行：


包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。
包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。
==== cuDNN ====
NVIDIA cuDNN 是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行 caffe 软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
* CUDA 与 CUDNN 的关系
cuDNN 是 CUDA 的扩展计算库，支持 CUDA 在 GPU上的深度学习计算。从官方安装指南可以看出，只要把 cuDNN 文件复制到 CUDA 的对应文件夹里就可以，即所谓插入式设计。


=== 安装 ===
=== 安装 ===
windows 10-x86_64


==== 一、安装 anaconda 3-2021.11 ====
==== 一、安装 anaconda 3-2021.11 ====
[https://liguang.wang/index.php/archives/37/ Windows 10 如何安装 anaconda]
https://repo.anaconda.com/archive/
*[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Windows-x86_64.exe anaconda3-2021.11-Windows-x86_64]
 
*Advanced Options 中，默认是自行添加 anaconda Path，需要手动在 PATH 增加环境变量：我的电脑->属性->高级系统设置->环境变量
C:\ProgramData\Anaconda3\Scripts
 
安装后，会出现
*Anaconda Navigator (Anaconda3)
*Anaconda Prompt
 
=====切换国内源=====
Anaconda Prompt
conda config --show
channels:
  - defaults
 
*恢复默认源
conda config --remove-key channels
 
*清华源
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
ssl_verify: true
 
 
P.S. Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。


* [https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Windows-x86_64.exe anaconda3-2021.11-Windows-x86_64]
参考：[https://liguang.wang/index.php/archives/37/ Windows 10 如何安装 anaconda]


==== 二、安装 cudatoolkit 10.1 ====
====二、安装 cudatoolkit 10.1====
<nowiki>https://developer.nvidia.com/cuda-10.1-download-archive-update2</nowiki>
<nowiki>https://developer.nvidia.com/cuda-10.1-download-archive-update2</nowiki>


* [https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_426.00_win10.exe cudatoolkit 10.1-win10]
*[https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_426.00_win10.exe cudatoolkit 10.1-win10]


P.S. 自定义安装，如果新版本比当前版本新，就安装，否则就把对勾给去掉，保留当前版本。
P.S. 自定义安装，如果新版本比当前版本新，就安装，否则就把对勾给去掉，保留当前版本。(如果新旧版本一致，即使选了也不安装)


==== 三、安装 cudnn 7.6.5 ====
* toolkit 默认安装在 Program Files(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1)
* Samples 默认安装在 ProgramData(C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1)
* 支持 Visual Studio 2015/2017/2019(应该是装一些插件之类的), 需提前安装 VS
 
====三、安装 cudnn 7.6.5====
<nowiki>https://developer.nvidia.com/rdp/cudnn-archive</nowiki>
<nowiki>https://developer.nvidia.com/rdp/cudnn-archive</nowiki>


第43行： 第103行：
将下载下来的包解压，然后将下表中的文件放到 NVIDIA GPU Computing Toolkit\CUDA\v10.1 相应目录下。
将下载下来的包解压，然后将下表中的文件放到 NVIDIA GPU Computing Toolkit\CUDA\v10.1 相应目录下。


* [https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip cudnn-10.1-windows10-x64-v7.6.5.32]
*[https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip cudnn-10.1-windows10-x64-v7.6.5.32]
 
==== 四、安装 tensorflow 2.3 ====
 
* 创建虚拟环境
conda create -n tensorflow2 python=3.7
删除虚拟环境
conda remove -n tensorflow2 --all
* 激活虚拟环境
conda activate tensorflow2
* 查看虚拟环境
conda info --envs
 
* 安装 tensorflow 2.3
pip install tensorflow==2.3
P.S. 如果上面安装较慢，可以切换 opentuna 的 pip 镜像源(.condarc 在此无用)。
pip config set global.index-url https://opentuna.cn/pypi/web/simple
* 验证安装
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')


[[分类:Develop]]
[[分类:Develop]]
[[分类:AI]]
[[分类:AI]]

2023年4月1日 (六) 22:42的最新版本

TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统，被广泛应用于各类机器学习(machine learning)算法的编程实现，其前身是谷歌的神经网络算法库 DistBelief 。

Tensorflow 拥有多层级结构，可部署于各类服务器、PC终端和网页并支持 GPU 和 TPU 高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。

TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。

语言与系统支持

TensorFlow 支持多种客户端语言下的安装和运行。截至版本1.12.0，绑定完成并支持版本兼容运行的语言为 C 和 Python，其它（试验性）绑定完成的语言为 JavaScript、C++、Java、Go 和 Swift，依然处于开发阶段的包括 C#、Haskell、Julia、Ruby、Rust 和Scala。

Python

TensorFlow 提供 Python 语言下的四个不同版本：

  • CPU版本(tensorflow)
  • 包含GPU加速的版本(tensorflow-gpu)
  • 以及它们的每日编译版本(tf-nightly、tf-nightly-gpu)

TensorFlow 的 Python 版本支持 Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0 及对应的更高版本，其中 macOS 版不包含 GPU 加速。

  • 安装 Python 版 TensorFlow 可以使用模块管理工具 pip 或 anaconda 并在终端直接运行。
  • TensorFlow 在 2.0 之前的 GPU 版本和 CPU 版本是分开的，以后的版本不用区分。
  • TensorFlow 从 2.11.0 版本开始，在 windows 上不再支持GPU。

依赖

  1. Nvidia GPU Driver: CUDA 10.1, 418.x
  2. ANACONDA 3-2021.11
  3. CUDA 10.1(CupTI)
  4. cuDNN SDK 7.6
  5. 需要安装 Visual Studio, CUDA 需要 VS 的支持，只需要安装 VS 的核心部件

P.S. Tensorflow 2.3 需要算力不低于 3.5.

基础

anaconda

Anaconda(大蟒蛇)，是一个开源的 Python 发行版本，可以用于在同一个机器上安装不同版本的软件包及其依赖。包含了 conda、Python 等 180 多个科学包及其依赖项，如：numpy、pandas等。

CUDA

CUDATM(Compute Unified Device Architecture)，是显卡厂商 NVIDIA 推出的运算平台。 一种通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题。

包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。

cuDNN

NVIDIA cuDNN 是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行 caffe 软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

  • CUDA 与 CUDNN 的关系

cuDNN 是 CUDA 的扩展计算库，支持 CUDA 在 GPU上的深度学习计算。从官方安装指南可以看出，只要把 cuDNN 文件复制到 CUDA 的对应文件夹里就可以，即所谓插入式设计。

安装

windows 10-x86_64

一、安装 anaconda 3-2021.11

https://repo.anaconda.com/archive/

  • Advanced Options 中，默认是自行添加 anaconda Path，需要手动在 PATH 增加环境变量：我的电脑->属性->高级系统设置->环境变量
C:\ProgramData\Anaconda3\Scripts

安装后，会出现

  • Anaconda Navigator (Anaconda3)
  • Anaconda Prompt
切换国内源

Anaconda Prompt 

conda config --show

channels:
  - defaults
  • 恢复默认源
conda config --remove-key channels
  • 清华源
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
ssl_verify: true


P.S. Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。

参考：Windows 10 如何安装 anaconda

二、安装 cudatoolkit 10.1

https://developer.nvidia.com/cuda-10.1-download-archive-update2

P.S. 自定义安装，如果新版本比当前版本新，就安装，否则就把对勾给去掉，保留当前版本。(如果新旧版本一致，即使选了也不安装)

  • toolkit 默认安装在 Program Files(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1)
  • Samples 默认安装在 ProgramData(C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1)
  • 支持 Visual Studio 2015/2017/2019(应该是装一些插件之类的), 需提前安装 VS

三、安装 cudnn 7.6.5

https://developer.nvidia.com/rdp/cudnn-archive

Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1

将下载下来的包解压，然后将下表中的文件放到 NVIDIA GPU Computing Toolkit\CUDA\v10.1 相应目录下。

四、安装 tensorflow 2.3

  • 创建虚拟环境
conda create -n tensorflow2 python=3.7

删除虚拟环境
conda remove -n tensorflow2 --all
  • 激活虚拟环境
conda activate tensorflow2
  • 查看虚拟环境

conda info --envs

  • 安装 tensorflow 2.3
pip install tensorflow==2.3

P.S. 如果上面安装较慢，可以切换 opentuna 的 pip 镜像源(.condarc 在此无用)。 

pip config set global.index-url https://opentuna.cn/pypi/web/simple
  • 验证安装
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
取自“https://mwbbs.eu.org/wiki/index.php?title=Tensorflow_2.3_安装&oldid=1036”