江苏龙网

  1. 首页 > 资讯 > 科技 > >

|用Windows电脑训练深度学习模型？超详细配置教程来了( 四 )


本文插图

?
驱动下载完成后 ， 运行安装包 ， 选择快速安装会更轻松 。 驱动安装完成之后 ， 可使用英伟达控制面板进行验证 。
另一个安装驱动的方法是使用英伟达的 GeForce Experience 应用程序 。 只要你购买的是主打游戏的电脑 ， 应该都预装了该软件 。 安装过程很简单 。
这一步是可选的 。 如果你已经按照上面的步骤安装了驱动 ， 或你的电脑没有预装该软件 ， 那就不用在乎这个步骤 。
你可在这里下载该程序：https://www.nvidia.com/en-in/geforce/geforce-experience/ ， 然后跟着安装流程将其安装到电脑上 。 安装完成 ， 打开它 ， 进入驱动选项卡 ， 检查更新并安装新驱动 。 你也可以在该应用中查看驱动的版本号 。
|用Windows电脑训练深度学习模型？超详细配置教程来了
本文插图

?GeForce Experience 演示
现在安装驱动过程中最重要的步骤已经完成 ， 你可以选择手动安装 CUDA 工具包 ， 也可以选择在安装 TensorFlow 或 PyTorch 时留给 Conda 来安装（强烈推荐后者） 。
如果决定手动安装 ， 你可以从这里下载安装包：https://developer.nvidia.com/cuda-downloads ， 然后跟着指示操作即可 。
|用Windows电脑训练深度学习模型？超详细配置教程来了
本文插图

安装 CUDA 工具包
CUDA 工具包装好之后 ， 你可以在 cmd 或 Powershell 中执行 nvidia-smi 命令进行验证 。
|用Windows电脑训练深度学习模型？超详细配置教程来了
本文插图

nvidia-smi 的输出
安装 TensorFlow
现在终于来到本教程的关键了 。 如果你已经完成了前述步骤 ， 那么这一步会非常简单 。
我们通过 Conda 来安装 TensorFlow 2.x 。
要注意 ， 首先进入我们之前创建的 tensorflow 环境 ， 然后再进行操作 。
如果你需要 GPU 支持 ， 就运行以下命令：
通过 anaconda 通道安装 TensorFlow 的 GPU 支持软件 。 使用 conda 而非 pip 安装 TensorFlow 的一大优势是 conda 的软件包管理系统 。 使用 conda 安装 TensorFlow 时 ， conda 还会安装所有必需和兼容的依赖包 。 这个过程是自动的 ， 用户无需通过系统软件包管理器或其它方式安装任何其它软件 。
其中也包含 TensorFlow 或 PyTorch 所需的版本合适的 CUDA 工具包 。 因此 ， 使用 conda 能让这个过程变得非常简单 。
我们只能在安装了 TensorFlow GPU 的环境中看到所安装的 CUDA 工具包 。 这既不会影响到全局系统的 CUDA 版本 ， 同时也能满足 TensorFlow 和 PyTorch 的不同版本 CUDA 需求 。 这就是使用虚拟环境的最大好处 ， 它能让不同的虚拟环境完全隔离开 。
如果一切顺利 ， 你不会在安装过程中看到任何报错信息 。
要验证 TensorFlow 和所需的软件包是否成功安装 ， 你可以执行 conda list ， 这会显示已安装软件包的列表 ， 你应该能在其中找到与 TensorFlow 相关的软件包以及 CUDA 工具包 。
|用Windows电脑训练深度学习模型？超详细配置教程来了
本文插图

你也可以打开 Python prompt 来验证是否已安装 TensorFlow 。
如果你看到了版本号 ， 那么恭喜你 ， TensorFlow 已安装成功！任务完成 。
|用Windows电脑训练深度学习模型？超详细配置教程来了
本文插图

在 Python prompt 中验证 TensorFlow 的安装情况 。
你在 Python prompt 中使用 TensorFlow 时可能会看到这样的信息：「Opened Dynamic Library」 ， 但这并不是坏消息 。 这只是一条日志消息 ， 说明 TensorFlow 可以打开这些软件库 。


推荐阅读


上一篇：|这个音箱不用连蓝牙？还没上架就被订走2万个，到底好在哪？

下一篇：|长假过后好热闹 | 买微力新鲜报