在PyCharm中搭建深度学习环境

发表于 更新于 分类于 本文字数： 2.9k 阅读时长 ≈ 3 分钟
预备环境：Anaconda3 搭建环境 ：PyCharm + TensorFlow/TensorFlow-GPU + Keras PyCharm Version 2020.2.1 TensorFlow Version 2.3.1 Keras Version 2.4.3 CUDA Version 10.1 cuDNN Version 7.6 需要提前安装好Anaconda 官网下载地址：https://www.anaconda.com/products/individual

在 PyCharm 中搭建深度学习环境(基于 win10)

  • 预备环境：Anaconda3
  • 搭建环境 ：PyCharm + TensorFlow/TensorFlow-GPU + Keras
  • PyCharm Version 2020.2.1
  • TensorFlow Version 2.3.1
  • Keras Version 2.4.3
  • CUDA Version 10.1
  • cuDNN Version 7.6

1. 用 PyCharm 新建 Python 环境

需要提前安装好 Anaconda 官网下载地址：https://www.anaconda.com/products/individual

  1. 点击新建项目(New Project)

  2. 按下图操作

2. 安装 TensorFlow 2.3.1

  1. 项目搭建好后点击 Terminal 打开终端

  2. 输入命令 pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple/ ，从清华的镜像源检查 pip，确保 pip 为最新版，目前 pip 最新版为 20.2.3

  3. 输入TensorFlow安装命令 pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 安装最新版的 TensorFlow，目前最新版的 TensorFlow 为 2.3.1

  4. 如果上面安装不了或者下载缓慢，可以试试这条命令，切换为阿里镜像源 pip install tensorflow -i https://mirrors.aliyun.com/pypi/simple

  5. 输入以下 Python 代码运行，验证安装是否成功：

    1
    2
    import tensorflow as tf
    print(tf.reduce_sum(tf.random.normal([1000, 1000])))

    踩坑记录：(DLL load failed：找不到指定的模块)

    这里如果报如下图所示错误，是因为 vc++ 各种运行库缺失导致的，最简单的解决办法就是下载 vc++运行库合集，然后安装就好了，这里给出一个下载链接，不保证官方无毒，请自行斟酌使用。VC++ 运行库合集安装包下载地址：http://8dx.pc6.com/wwb6/WRYXKHJ2020.10.14.exe

3. 安装 Keras 2.4.3

  1. 继续在 terminal 中输入命令安装 Keras pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple/ ，阿里镜像源命令： pip install keras -i https://mirrors.aliyun.com/pypi/simple

  2. 输入一下 Python 代码，运行无报错则安装成功：

    1
    import keras

    至此，TensorFlow 不带 GPU 的版本和 keras 已经安装完成，如需添加 GPU 支持，请继续如下操作

添加 GPU 支持

以下内容全部基于普通笔记本电脑上的 NVIDIA GeForce MX150 独立显卡平台

1. 查找自己平台是否有 NVIDIA 独立显卡以及是否支持 CUDA

  1. 打开任务管理器查看显卡型号，一般笔记本有核心显卡和独立显卡，找到有 NVIDIA 字样的一般就是英伟达的独立显卡了，接着复制显卡型号即图中的 NVIDIA GeForce MX150 到 NVIDIA 官网查询该型号是否支持 CUDA

  2. 可以看到如下图所示该显卡是支持 CUDA 的，所以可以给 TensorFlow 添加 GPU 支持

2. 去官网下载 CUDA10.1 以下的版本

目前 TensorFlow 最新版仅支持 10.1 即以下版本，不要安装最新的 CUDA11

cuDNN 仅支持最高7.6版本

  1. CUDA 10.1 官网下载链接：https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

  2. 点击 Download 下载（点击一次可能会出现请求失败的 ERROR，重新点击就好了）

  3. 也可以点击这个链接直接下载，或者将该链接复制到迅雷里可以更快速的下载，实测迅雷能跑到 6mb/s：https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.105_418.96_win10.exe

3. 安装 CUDA

  1. 双击打开安装包，点击 ok 加载缓存到临时目录

  2. 等待检查系统兼容性，然后点击同意并继续

  3. 选择自定义安装

  4. 只勾选如图所示的组件，其余一律不勾选

  5. 依次点击下一步，直至安装即可，默认安装位置尽量不要改动，后续要配置环境变量，如若更改，务必截图保存，以防忘记

4. 下载 cuDNN 并配置环境变量

  1. 点开此链接下载 cuDNN7.6 版本：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b

  2. 将下载的压缩包解压出来，把 cuda 文件夹复制到 C 盘根目录

  3. 将以下路径添加到系统环境变量中

    1
    2
    3
    4
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
    C:\cuda\bin

5. 运行验证是否支持 GPU

  1. 在上文所建立的 pycharm 项目中，写入如下 Python 代码，执行

    1
    2
    import tensorflow as tf
    print(tf.reduce_sum(tf.random.normal([1000, 1000])))

  2. 出现如下图所示提示即表示安装成功

附录：pip命令总结

pip 命令示例说明
pip download SomePackage[==version]下载扩展库的指定版本，不安装
pip freeze [> requirements.txt]以 requirements 的格式列出已安装模块
pip list列出当前已安装的所有模块
pip install SomePackage[==version]在线安装 SomePackage 模块的指定版本
pip install SomePackage.whl通过 whl 文件离线安装扩展库
pip install package1 package2 …依次（在线）安装 package1、package2 等扩展模块
pip install -r requirements.txt安装 requirements.txt 文件中指定的扩展库
pip install –upgrade SomePackage升级 SomePackage 模块
pip uninstall SomePackage[==version]卸载 SomePackage 模块的指定版本