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:

    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

    20201015123933

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:

    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

    image-20201008000316632

  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

    img

  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

    img

  4. 只勾选如图所示的组件,其余一律不勾选

    QQ图片20201008003135

  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

    image-20201013173822253

  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

    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

    image-20201008190818610

    image-20201008190936486

    image-20201008191051542

    image-20201008191243925

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

    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