当前位置：网站首页>机器视觉系列（02）---TensorFlow2.3 + win10 + GPU安装

机器视觉系列（02）---TensorFlow2.3 + win10 + GPU安装

2022-04-23 06:14:00 【美摄科技】

短视频技术中，视觉特效是目前最广泛的应用，视觉特效属于机器视觉与人工智能技术的结合。

短视频技术开发，计算机视觉是必须考虑的因素，计算机视觉方面的AI处理，国内目前主要靠TensorFlow和Pytorch来实现。

Tensorflow windows上的安装，很多资料存在误导，初学者望而止步。本文帮助初学者快速搭建TensorFlow windows应用环境。Linux和Mac上环境安装看后续章节。

大多安装资料都先安装anaconda，造成TensorFlow安装必须采用anaconda的假象。本安装不采用anaconda，降低安装的耦合度。

后续大量章节进行机器视觉及相关算法讲述。

1、前置说明

A、如果是Win7，一定打补丁(本文Win7也适用)。

B、看自己电脑显卡是否是N卡，如果是N卡，才可以安装GPU版本，否则只能安装CPU版本。

C、如果GPU版本过低，需要升级驱动，否则安装版本过早(升级在下面主题讲述)。

D、有些过老的N卡，无法升级驱动，不能安装TensorFlow GPU版本或者只能安装TensorFlow GPU早期版本。

2、升级显卡驱动，同时升级了CUDA

2.1、网址

进入下面网址：

https://www.nvidia.com/download/index.aspx?lang=en-us

2.2、界面

根据个人电脑系统情况进行选择。

2.3、下载

选择合适的版本，进行显卡驱动下载。

2.4、安装

一直下一步就可以。如果显卡过早，可能安装失败。

3、查看个人电脑CUDA版本

3.1、打开NVIDIA控制面板

桌面右击，弹出右键菜单，选择NVIDIA控制面板。

3.2、点击组件，查看CUDA版本

4、查看如下对应关系

4.1、参考网址：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

https://tensorflow.google.cn/install/source_windows

4.2、CUDA版本与名字


Component Name	Version Information	Supported Architectures
CUDA Runtime (cudart)	11.2.72	x86_64, POWER, Arm64
Cuobjdump	11.2.67	x86_64, POWER, Arm64
CUPTI	11.2.67	x86_64, POWER, Arm64
CUDA cuxxfilt (demangler)	11.2.67	x86_64, POWER, Arm64
CUDA Demo Suite	11.2.67	x86_64
CUDA GDB	11.2.67	x86_64, POWER, Arm64
CUDA Memcheck	11.2.67	x86_64, POWER
CUDA NVCC	11.2.67	x86_64, POWER, Arm64
CUDA nvdisasm	11.2.67	x86_64, POWER, Arm64
CUDA NVML Headers	11.2.67	x86_64, POWER, Arm64
CUDA nvprof	11.2.67	x86_64, POWER, Arm64
CUDA nvprune	11.2.67	x86_64, POWER, Arm64
CUDA NVRTC	11.2.67	x86_64, POWER, Arm64
CUDA NVTX	11.2.67	x86_64, POWER, Arm64
CUDA NVVP	11.2.67	x86_64, POWER
CUDA Samples	11.2.67	x86_64, POWER, Arm64
CUDA Compute Sanitizer API	11.2.67	x86_64, POWER, Arm64
CUDA cuBLAS	11.3.1.68	x86_64, POWER, Arm64
CUDA cuFFT	10.4.0.72	x86_64, POWER, Arm64
CUDA cuRAND	10.2.3.68	x86_64, POWER, Arm64
CUDA cuSOLVER	11.0.2.68	x86_64, POWER, Arm64
CUDA cuSPARSE	11.3.1.68	x86_64, POWER, Arm64
CUDA NPP	11.2.1.68	x86_64, POWER, Arm64
CUDA nvJPEG	11.3.1.68	x86_64, POWER, Arm64
Nsight Eclipse Plugins	11.2.67	x86_64, POWER
Nsight Compute	2020.3.0.18	x86_64, POWER, Arm64
Nsight Windows NVTX	1.21018621	x86_64, POWER, Arm64
Nsight Systems	2020.4.3.7	x86_64, POWER, Arm64
Nsight Visual Studio Edition (VSE)	2020.3.0.20315	x86_64 (Windows)
NVIDIA Linux Driver	460.27.04	x86_64, POWER, Arm64
NVIDIA Windows Driver	460.89	x86_64 (Windows)

4.3、显卡驱动与CUDA版本选择

4.4、TensorFlow GPU版本与CUDA与Python与VS的关系

4.5、TensorFlow CPU版本与VS与Python的关系

5、根据上面对应关系，下载如下文件

5.1、文件

A、VS （微软visual studio开发环境）

B、Python （TensorFlow官方开发语言）

C、CUDA （英伟达数据并行运算平台）

D、CUDNN （神经网络加速库）

5.2、下载后图示

6、安装VS

6.1、说明

建议工具全部安装，需要40多个G（亲测）。

英伟达说只需要安装C++ Desktop Develop套件安装（没有测试）。

6.2、安装

一直下一步。

7、安装Python

7.1、环境变量问题

7.2、注意（安装过程中，可能需要等待）

上面5个框打上 “√”，然后点击 “Browse”，自定义安装路径，然后点击 “Install”。

PS：安装路径最好纯英文，不要有中文和空格。

8、修改Python工具Pip的源

安装过程需要到网上下载，默认的Python源在国外，下载速度较慢。

修改为国内阿里的Python源，加快后面步骤安装。

8.1、PyPI 镜像

PyPI (Python Package Index) 是 Python 编程语言的软件存储库。开发者可以通过 PyPI 查找和安装由 Python 社区开发和共享的软件，也可以将自己开发的库上传至 PyPI 。

8.2、Linux下更换pip源（与本安装无关、直接跳过）

手动更换python的pip/pip3源。

在Linux系统中找到~/.pip/pip.conf这个文件，如果没有这个文件创建一个同名文件。如果系统连~./pip这个目录也没有，创建一个目录并且在目录中创建一个pip.conf文件。

向该文件添加或修改成以下内容。

[global]

index-url = https://mirrors.aliyun.com/pypi/simple/

[install]

trusted-host=mirrors.aliyun.com

8.3、windows下更换pip源

A、文件管理器的地址栏输入%appdata%回车进入当前用户主目录。

B、在当前文件夹下新建文件夹pip。

C、在pip文件夹下新建文件pip.ini文件。

D、在pip.ini文件中输入以下内容。

[global]

index-url = https://mirrors.aliyun.com/pypi/simple/

[install]

trusted-host=mirrors.aliyun.com

9、安装两个插件

9.1、如果下面安装过程中，安装失败

如果安装失败，重新执行命令既可。

9.2、scipy库

在power shell窗口下，拷贝如下命令执行：

pip3 install scipy

9.3、numpy库

在pwer shell窗口下，拷贝如下命令执行：

pip3 install numpy

10、安装cuda

10.1、安装

双击上面下载的cuda文件。

一直下一步就可以，可以修改安装路径，但不建议修改。

10.2、测试

打开powershell，执行如下命令：

nvcc -V

成功的话会返回cuda版本号。

11、安装cudnn

11.1、解压

解压cuDNN压缩包，可以看到bin、include、lib目录：

11.2、打开目录

路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

11.3、拷贝

找到你安装的版本目录，打开，找到bin、include、lib目录；

将11.1 cuDNN压缩包内对应的文件分别对应复制到cuda的bin、include、lib目录。

注意：是复制文件到bin、include、lib目录，不是复制目录。

12、环境变量

12.1、几个变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

12.2、设置（少了，会报dll异常）

13、测试CUDA和CUDNN是否安装成功

13.1、打开目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

13.2、启动PowerShell

13.3、测试

执行如下命令：

.\bandWidthTest.exe

出现Pass代表成功。

14、安装tensorflow-gpu

在PowerShell窗口输入如下命令：

pip3 install tensorflow-gpu

15、测试

15.1、打开Python环境

在PowerShell中输入如下命令：

python

15.2、运行如下代码

import tensorflow as tf

a = tf.constant(2.0)

b = tf.constant(4.0)

print(a + b)

出现下面结果代表成功。

16、其它

和云平台、大数据相关环境搭建相比，TensorFlow的安装是简单的。

但对于初学者，需要一些时间。本文内容，希望给初学者一些有益的启示。

关注美摄科技，感受视觉盛宴。

17、学习网址