TensorFlow 机器学习环境搭建

Machine Learning

发布日期: 2022-04-06

更新日期: 2023-04-03

文章字数: 705

阅读时长: 3 分

基础环境

系统: Windows 10 64位

其他平台的构建表
显卡: 支持 CUDA 的 Nvidia 显卡

安装 CUDA

按照官方系统软件要求安装

安装 NVIDIA 驱动包
安装 CUDA 工具包, 添加环境变量
安装 cuDNN

解压 cnDNN 压缩包，将其中的文件夹复制到 CUDA 的安装目录中，与原文件夹合并(不会冲突)：

...\NVIDIA GPU Computing Toolkit\CUDA\v11.6\
安装 zlib, 否则不支持卷积神经网络的训练

解压后将 zlibwapi.dll 拷贝到 ...\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin\ 目录下

安装 CUDA 时已设置环境变量，这里不用再配了

安装 Python

我用的 Anaconda3, 安装完事 Python3.9 的版本

Anaconda 常用命令

操作	命令
新建环境	`conda create -n ENV_NAME python=3.8.8`
激活环境	`conda activate ENV_NAME`
安装包	`conda install PACKAGE_NAME`
卸载包	`conda remove PACKAGE_NAME`
显示所有已安装的包	`conda list`
退出环境	`conda deactivate`
删除环境	`conda env remove -n ENV_NAME`
显示所有已安装的环境	`conda env list`

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
# 显示源
conda config --set show_channel_urls yes
# 删除源路径
conda config --remove-key channels # （移除所有其他镜像源, 只留默认源）
conda config --remove channels 指定的URL # 删除指定源

我并没有用 Anaconda 安装依赖，仅创建虚拟环境后用 pip 进行安装

安装 TensorFlow

官方参考文档
 Anaconda 参考文档

# 安装 GPU 版本, 使用清华源 (仅支持 CPU 的版本 pip install tensorflow-cpu)
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple
# 基于当前环境创建虚拟环境
conda create -n tf-gpu-py39
# 激活虚拟环境
conda activate tf-gpu-py39

在上 pip install 命令上添加 --upgrade 参数可升级 Tensorflow

验证安装成功:

python

import tensorflow as tf
tf.add(1, 2).numpy()
# 3
hello = tf.constant('Hello, TensorFlow!')
hello.numpy()
# b'Hello, TensorFlow!'
exit()

安装 JupyterLab

官方安装文档

# 安装 Jupyter Lab
pip install jupyterlab
# 安装中文包
pip install jupyterlab-language-pack-zh-CN
# 生成配置文件 (\Users\xx\.jupyter\jupyter_server_config.py)
jupyter server --generate-config
# jupyter notebook --generate-config
# 设置密码 (\Users\xx\.jupyter\jupyter_server_config.json)
jupyter server password
# 编辑设置证书 
# D:\Mega\https证书\crazynft.top\\fullchain1.pem
# D:\Mega\https证书\crazynft.top\\privkey1.pem
vim C:\Users\xx\.jupyter\jupyter_server_config.py
# c.ServerApp.allow_remote_access = True # 允许远程登录
# c.ServerApp.ip = '*' # 允许所有 ip 登录
# 浏览器登录时显示的文件目录, 这个很重要, 不然就是jupyter.exe的目录, windows的路径注意双斜杠,否则无效
# c.FileContentsManager.root_dir = 'D:\\TensorFlowNotebook'
# c.ServerApp.certfile = 'D:\\Mega\\https_cert\\xxx.com\\fullchain1.pem' # 设置证书
# c.ServerApp.client_ca = 'D:\\Mega\\https_cert\\xxx.com\\privkey1.pem' # 设置证书私钥
# 运行 Jupyter Lab, 会将启动位置作为基础目录
jupyter-lab