步履不停

0%

tensorflow

发表于 更新于 分类于

TensorFlow

1、GPU版TensorFlow安装

参考：https://tf.wiki/zh/basic/installation.html

  1. 安装NVIDIA 驱动程序

    访问NVDIA官网下载：https://www.nvidia.com/Download/index.aspx?lang=en-us

    可在cmd中输入nvidia-smi -L查看显卡型号，下载相应版本的驱动程序，安装后重启电脑。

  2. 建立conda虚拟环境并进入

    打开Anaconda Prompt，输入：（python版本号填写自己的python环境版本）

    1
    2
    conda create --name tf2 python=3.7      # “tf2”是你建立的conda虚拟环境的名字
    conda activate tf2                      # 进入名为“tf2”的conda虚拟环境

    进入虚拟环境后命令行最左边或显示虚拟环境名称(tf2):

    image-20200305145416211

    （注：其他关于虚拟环境的操作如下：

    1
    2
    3
    4
    5
    conda create --name [env-name]      # 建立名为[env-name]的Conda虚拟环境
    conda activate [env-name]           # 进入名为[env-name]的Conda虚拟环境
    conda deactivate                    # 退出当前的Conda虚拟环境
    conda env remove --name [env-name]  # 删除名为[env-name]的Conda虚拟环境
    conda env list                      # 列出所有Conda虚拟环境

  3. 安装 CUDA Toolkit 和 cuDNN。

    1
    2
    3
    4
    # 注：以下两行命令中的版本号严格按照https://www.tensorflow.org/install/gpu#software_requirements 安装，
    # 对于 TensorFlow 2.1，可使用
    conda install cudatoolkit=10.1
    conda install cudnn=7.6.5

  4. 安装gpu版tensorflow

    1
    2
    3
    # pip install tensorflow-gpu # 会自动安装对应版本的 CUDA Toolkit 和 cuDNN
    pip install tensorflow	
    # 从 TensorFlow 2.1 开始，pip 包 tensorflow 即同时包含 GPU 支持

    注：从 TensorFlow 2.1 开始，pip 包 tensorflow 即同时包含 GPU 支持，无需通过特定的 pip 包 tensorflow-gpu 安装 GPU 版本。如果对 pip 包的大小敏感，可使用 tensorflow-cpu 包安装仅支持 CPU 的 TensorFlow 版本。

    也可以使用 conda install tensorflow 来安装 TensorFlow，不过 conda 源的版本往往更新较慢，难以第一时间获得最新的 TensorFlow 版本.

    安装完后，可以通过命令pip list查看安装的包列表

  5. 检测是否正确安装

    （如果你在 Windows 下安装了 TensorFlow 2.1 正式版，可能会在导入 TensorFlow 时出现 DLL 载入错误 。此时安装 Microsoft Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019 即可正常使用。）

    在虚拟环境中输入python，进入python环境，输入：

    1
    import tensorflow as tf

    如果报错：

    1
    2
    3
    ImportError: DLL load failed: 找不到指定的模块。

    Failed to load the native TensorFlow runtime.

    进入https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads安装Visual Studio 2015, 2017 and 2019即可。

  6. 第一个程序

    在虚拟环境中输入python，进入python环境，输入：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    import tensorflow as tf

    A = tf.constant([[1, 2], [3, 4]])	
    # 运行这一行若报错cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
    # 跳转到第1步，安装一下NVIDIA 驱动程序即可

    B = tf.constant([[5, 6], [7, 8]])
    C = tf.matmul(A, B)

    print(C)

    输出如下结果表明安装成功

    1
    2
    3
    tf.Tensor(
    [[19 22]
    [43 50]], shape=(2, 2), dtype=int32)

  7. pycharm

    新建项目，选择已存在的虚拟环境tf2

    image-20200312151710275

2、错误记录

1、module 'tensorflow' has no attribute 'keras'

错误详情：

我建立了一个目录如下：

image-20200306170836393

然后我在该目录下新建了tensorboard.py，运行时报错module 'tensorflow' has no attribute 'keras'。并且去运行以上其他py文件也出现该报错，但是在建立tensorboard.py前运行都正常。

tensorboard.py开头如下：

1
2
import tensorflow as td
from MLP import MLP, MNISTLoader

现在运行该文件夹下所有的py文件都报如标题所示错误，且都指向MLP.py文件的一行：

1
class MLP(tf.keras.Model):

去网上找解决方案，基本都是：

1、更新tensorflow

2、更新keras

但我都试过了，没有用。而且，我实在pip install tensorflow时，自动安装的keras，因此不可能出现keras和tensorflow版本不匹配的问题。

于是，我把tensorboard.py文件删了，结果其他所有py文件都能正常运行了。

我也不知道这是为什么，不知道tensorboard.py有啥问题。改代码来自https://tf.wiki/zh/basic/tools.html#id3。只是：

1
2
from zh.model.mnist.mlp import MLP
from zh.model.utils import MNISTLoader

修改为：

1
from MLP import MLP, MNISTLoader

感觉很玄学。我就放弃了这个文件，直接删掉。然后把它的训练过程可视化代码插入到checkpoint.py中，能够正常运行。