配置 TensorFlow(CPU/GPU) 的软件环境
引言
本教程以 Windows 10 为例,从什么都没装开始,介绍了如何配置好 TensorFlow 1.15.0
软件环境的方法。如果你的系统是 macOS 或者 Linux,部分步骤可能略有不同但是大同小异。
配置完成后,能够使用该版本的 TensorFlow 和相关依赖包,在较少出现版本问题的前提下,复现互联网上大部分相关的教程和开源代码。
目录
1. 安装 VS Code
VS Code 是一款现代化的代码编辑器,功能强大,体积轻量,外观好看。经过配置,可作为几乎任何语言的开发环境。
如已安装请跳至 第2节
在 VS Code 官网 根据你的系统,下载安装包,打开,根据安装包说明进行安装。
安装完成后,默认为英文界面,如需更改为中文请点击左侧 Extensions
按钮,搜索 Chinese
,安装简体中文插件,然后重新打开 VS Code 即可。
2. 安装 Anaconda
Anaconda 是一款包管理器,借助它,你可以更容易地配置和管理 Python 或 R 的依赖包,并且可以分别创建和管理多个虚拟环境,以实现多种环境共存。
如已安装请跳至 第3节
2.1 安装
Anaconda 的最新版本可在 官网 下载,但是某些后续需要用到的包可能对最新版本的 Python 适配不佳,所以更推荐安装 Python 默认版本为 3.6 的 Anaconda3-5.2.0
。当然,在较新版本的 Anaconda 中创建 Python 3.6
的虚拟环境也是可以的。
Anaconda3-5.2.0
安装包的下载链接:
- Windows:Anaconda3-5.2.0-Windows-x86_64.exe (631.3 MiB)
- macOS:Anaconda3-5.2.0-MacOSX-x86_64.pkg (613.1 MiB)
- 其它版本可见:Anaconda installer archive
下载完成后,打开安装包,根据安装包说明进行安装。
安装完成后,Windows 用户在开始菜单中找到 Anaconda Prompt
并打开,其它系统的用户直接打开终端,即可进入命令行开始使用 Anaconda,输入 conda -V
能显示版本号即说明安装正常。
2.2 更改下载源
要注意的是,在国内访问 conda 默认的下载源速度较慢,我们可以通过设置更改镜像源,从国内镜像站点下载,提高下载速度。
在 conda 命令行输入
conda config --set show_channel_urls yes
然后,打开你的用户目录(Windows 10 用户为 C:/Users/你的用户名/
,Linux 和 macOS 用户为 ~/
),会发现用户目录下有一个 .condarc
文件,打开它,以 清华源 为例,将内容更改为
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_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/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
保存,即完成,可以通过清华镜像站来加速下载相关文件。
2.3 在 VS Code 中配置基于 Anaconda 的 Python 运行环境
打开 VS Code 的扩展页面,依次搜索并安装两个扩展包:
- Code Runner
- Python
然后打开任意一个 .py
文件,右键代码编辑区域,选择 在终端中运行 Python 文件
,第一次运行会在右下角弹窗提示设置 Python 路径,根据提示设置完成后再次点击运行,即可在 VS Code 中运行你的 Python 程序。
3. 安装 TensorFlow
TensorFlow 是谷歌主导开发的开源机器学习框架,提供了许多封装好的代码,能够使开发者更为容易地进行机器学习相关程序的开发。
TensorFlow 分为 CPU 版本和 GPU 版本,如果你的电脑装有 860m、950m、1050mq 或更高的 NVIDIA 显卡,且操作系统为 Windows 或 Linux,可尝试安装 GPU 版本以获得更快的运算速度。
在 Anaconda 中,创建一个名为 tfconda 的环境,Python 版本限定为 3.6
conda create -n tfconda python=3.6 # "tfconda"是个自定义的名字,可以改
进入名为tfconda的环境
activate tfconda # "tfconda"是个自定义的名字,上一步怎样命名这一步就填什么
根据你的需求,选择下列两者之一:
- 安装 CPU 版 TensorFlow,版本限定为1.15
conda install tensorflow=1.15 # 这个装的是 CPU 版本
- 安装 GPU 版 TensorFlow,版本限定为1.15
先更新 NVIDIA 显卡驱动至较新的版本,然后conda install tensorflow-gpu=1.15 # 这个装的是 GPU 版本
安装完成后,创建一个 .py
文件,填入以下内容
import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))
在 VS Code 中使用新创建的环境运行该文件,如果能够成功看到终端中打印了"hello,tensorflow",即说明安装成功。
(图片为 GPU 版的测试效果,CPU 版也能正常看到打印的"hello,tensorflow",但不会显示这么多和显卡相关的提示)
4. 安装其它可选包
以进行图像分类任务为例,接下来还需安装以下软件包,才可最终正常运行相关的示例代码。
进入刚才安装好 TensorFlow 的 conda 环境,然后一条一条输入下列指令,分别安装各个包。
conda install jupyter notebook
conda install numpy
conda install matplotlib
conda install pillow
conda install opencv
conda install pandas
5. 后续的使用方法
-
在命令行中使用该环境
仅需在运行前输入activate tfconda
激活该环境即可。 -
在 VS Code 中使用该环境
点击 VS Code 左下角的 Python 解释器名称,然后在弹出的框中选择你刚才配置好的 tfconda 环境即可。 - 在 Jupyter 中使用该环境
在命令行中先输入activate tfconda
激活该环境,再启动 Jupyter 即可。