# tf **Repository Path**: dxros/tf ## Basic Information - **Project Name**: tf - **Description**: learntftftf - **Primary Language**: Python - **License**: Not specified - **Default Branch**: master - **Homepage**: http://dxros.com - **GVP Project**: No ## Statistics - **Stars**: 2 - **Forks**: 0 - **Created**: 2023-04-13 - **Last Updated**: 2025-03-04 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # tf安装 ### 售后群：758038237 ### 关于anaconda **anaconda的出现python使得python得以虚拟环境的方式存在，并在服务器上大规模的使用 anaconda是没有国内镜像直接下，国外的镜像部分电脑比较慢，我们这里备份：** #### 推荐：window： https://cowtransfer.com/s/79e527bc471243 #### linux： https://cowtransfer.com/s/96dd4226f0ea4a ### 新手必看：授之以鱼不如授之以渔（调试别人的代码---------有问题，看完再问） ``` 首先知道关系，一般来说：python指的的是python的解释器， （anaconda是采用虚拟环境的方式，可以在里面安装很多个python解释器的工具，比如python3.6，python3.8） 编辑代码的叫开发环境，又指代码编辑器，比如pycharm，jyputer等 不会使用anaconda参考：（了解anaconda跟python和其他的关系，视频比较老可能与本店安装的有部分出入，但是基本原理通用） 简短：https://www.bilibili.com/video/BV1K7411c7EL?p=2&vd_source=0e80315f29d5339004a0649a284077f4 详细的：https://www.bilibili.com/video/BV1S5411X7FY?p=15 注： 调试别人的代码，相关包的匹配是最重要的，光tf就有20多个版本，我们默认安装长期支持版， 我们给你安装只是说明你的安装环境（系统和显卡是支持安装tf的）是好的，可以安装了，调试某个程序还要您自己匹配具体的版本 ``` ### 确定显卡驱动---------终端输入----------nvidia-smi（nvidia-smi是显示驱动属性的命令，可以看到显存，支持的cuda，功率等） ``` 正常会输出，CUDA的接口的最高版本，之后根据tf官网下载python版本的cuda和cunn就欧克 注：python版本的cuda和cunn是二进制版本，英伟达官网的是C++版本跟python没有关系，（就不要问了），python版本的必须下载 英伟达官网的是C++版本跟python没有关系，下载不下载随便您 ``` ### 安装 #### 如果没有其他的问题(常出现的问题：多个安装的python导致系统变量错误，使用代理) ### 1.建议采用anaconda 新建一个python的环境-------tf-python版本3.7（具体要看tf官网） conda create -n dxtf python=3.7 #### （这样建立的环境是空的没有其他的包，比如numpy等,不会有其他的包影响tf） 2.如果太慢就换源、 ``` conda config --remove-key channels conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` #### 设置pip的源： pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple ### 3.激活环境 conda activate dxtf ### 4.首先清楚版本 1. Version Python version Compiler Build tools cuDNN CUDA # tf安装 ### 售后群：758038237 ### 关于anaconda **anaconda的出现python使得python得以虚拟环境的方式存在，并在服务器上大规模的使用 anaconda是没有国内镜像直接下，国外的镜像部分电脑比较慢，我们这里备份：** #### 推荐：window： https://cowtransfer.com/s/79e527bc471243 #### linux： https://cowtransfer.com/s/96dd4226f0ea4a ### 新手必看：授之以鱼不如授之以渔（调试别人的代码---------有问题，看完再问） ``` 首先知道关系，一般来说：python指的的是python的解释器， （anaconda是采用虚拟环境的方式，可以在里面安装很多个python解释器的工具，比如python3.6，python3.8） 编辑代码的叫开发环境，又指代码编辑器，比如pycharm，jyputer等 不会使用anaconda参考：（了解anaconda跟python和其他的关系，视频比较老可能与本店安装的有部分出入，但是基本原理通用） 简短：https://www.bilibili.com/video/BV1K7411c7EL?p=2&vd_source=0e80315f29d5339004a0649a284077f4 详细的：https://www.bilibili.com/video/BV1S5411X7FY?p=15 注： 调试别人的代码，相关包的匹配是最重要的，光tf就有20多个版本，我们默认安装长期支持版， 我们给你安装只是说明你的安装环境（系统和显卡是支持安装tf的）是好的，可以安装了，调试某个程序还要您自己匹配具体的版本 ``` ### 确定显卡驱动---------终端输入----------nvidia-smi（nvidia-smi是显示驱动属性的命令，可以看到显存，支持的cuda，功率等） ``` 正常会输出，CUDA的接口的最高版本，之后根据tf官网下载python版本的cuda和cunn就欧克 注：python版本的cuda和cunn是二进制版本，英伟达官网的是C++版本跟python没有关系，（就不要问了），python版本的必须下载 英伟达官网的是C++版本跟python没有关系，下载不下载随便您 ``` ### 安装 #### 如果没有其他的问题(常出现的问题：多个安装的python导致系统变量错误，使用代理) ### 1.建议采用anaconda 新建一个python的环境-------tf-python版本3.7（具体要看tf官网） conda create -n dxtf python=3.7 #### （这样建立的环境是空的没有其他的包，比如numpy等,不会有其他的包影响tf） 2.如果太慢就换源、 ``` conda config --remove-key channels conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` #### 设置pip的源： pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple ### 3.激活环境 conda activate dxtf ### 4.首先清楚版本 1. Version Python version Compiler Build tools cuDNN CUDA 1. tensorflow_gpu-2.10.0 3.7-3.10 MSVC 2019 Bazel 5.1.1 8.1 11.2 1. tensorflow_gpu-2.9.0 3.7-3.10 MSVC 2019 Bazel 5.0.0 8.1 11.2 1. tensorflow_gpu-2.8.0 3.7-3.10 MSVC 2019 Bazel 4.2.1 8.1 11.2 1. tensorflow_gpu-2.7.0 3.7-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2 1. tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2 1. tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0 1. tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.1 1. tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.6 10.1 1. tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1 7.6 10.1 1. tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10 1. tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10 1. tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1 7.4 10 1. tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 7.4 10 1. tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 7.2 9.0 1. tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 7 9 1. tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 7 9 1. tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 7 9 ### 4.安装=----------方式1 conda install tensorflow-gpu=1.15 #### （后面是版本）里面出现的cudatoolkit就是cuda的版本 #### 去官网安装，低于或者等于nvidia-smi输出的cuda版本，30系的显卡只能安装cuda11以上的, #### 对应的2.4和2.5的tf conda install tensorflow-gpu=2.5 #### 没有显卡，安装cpu： conda install tensorflow ### 4.安装=----------方式2（强烈不建议，不稳定有bug） #### 先安装tf pip install tensorflow-gpu==(版本) #### 再安装cuda和cudnn conda install cudatoolkit cudnn #### 安装cpu pip install tensorflow ### 5.测试 ``` python import tensorflow as tf gpu_device_name = tf.test.gpu_device_name() print('GPU:', tf.test.is_gpu_available()) print(gpu_device_name) ``` ### 说明：（建议，如果是研究生等搞这个方向的请把教程搞懂，如果是其他的，根据您的意愿） ``` anaconda就是用来管理Python环境的，base是anaconda自己的（anaconda建议不要动base）， dxtf是我们安装的Python，tfgpu，cuda，cunn都会安装到这里面。 输入conda list可以看到不同Python包。 输入conda env list可以看到不同Python的位置。 详细理解看新手必看 有疑问，请滑到最后看常见问题？ ``` ### 下面属于python代码编辑器的部分（继续安装需要收10元） #### 详细教程word版，直接送： https://kornerstonecharterschool-my.sharepoint.com/:b:/g/personal/p15923_n365_me/ERZ-2ghSQ19EiG50ldem2qUB_nBnmTTtUMHYL3SfemmYbQ?e=VuebHp #### 代码编辑器，除了pycharm，其他的软件，在window上使用都有部分的bug ### 使用jupyter #### 在创建的虚拟环境中使用jupyter notebook，命令如下： (备注：确保安装的ipykernel是在创建的虚拟环境中的) pip install ipykernel -i https://pypi.douban.com/simple/ #### 将虚拟环境添加到jupyter，命令如下： python -m ipykernel install --user --name=dxtf ### 6.pycharm中新建工程-----将解释器改为tf #### 设置--》工程--》python解释器-添加conda环境-找到tf这个python的环境 ### anaconda安装其他的包： https://blog.csdn.net/FrankieHello/article/details/106083428 ### 小白问题1： #### 为什么安装了，我的编辑器还是没有的？ 请查看你运行的python是dxtf吗，编辑器是编辑器，python是解释器，解释器是解释器，请选择dxtf的解释器 ### 小白问题2; #### 我安装的是gpu吗？ 请用第五步进行测试，print('GPU:', tf.test.is_gpu_available())显示ture就是gpu，cpu则显示false ### 小白问题3： #### 我的anaconda不能用？ 基本上就是你动了base环境，所以依赖坏了要重新安装 ### 官网白问题3： #### 为什么没有看到你安装cuda和cudnn呢？ ``` cudatoolkit 就是cuda对应的python版本，然后看确定显卡驱动那节。 另外补充，深度学习是发展很快的技术，多看官网少看博客。 ``` ### 代码白问题4： #### 可以在我现在的环境里面安装吗？ 一般是安装不上的，tfgpu有30多个依赖包，基本上会跟你环境里面的冲突。 ## 感谢大家，送pytochgpu和tfgpu安装教程 #### paddle： http://gitee.com/dxros/paddle #### torch： http://gitee.com/dxros/torch 1. tensorflow_gpu-2.5.0 3.6-3.9 MSVC 2019 Bazel 3.7.2 8.1 11.2 1. tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0 1. tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.1 1. tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.6 10.1 1. tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1 7.6 10.1 1. tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10 1. tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10 1. tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1 7.4 10 1. tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 7.4 10 1. tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 7.2 9.0 1. tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 7 9 1. tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 7 9 1. tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 7 9 ### 4.安装=----------方式1 conda install tensorflow-gpu=1.15 #### （后面是版本）里面出现的cudatoolkit就是cuda的版本 #### 去官网安装，低于或者等于nvidia-smi输出的cuda版本，30系的显卡只能安装cuda11以上的, #### 对应的2.4和2.5的tf conda install tensorflow-gpu=2.5 #### 没有显卡，安装cpu： conda install tensorflow ### 4.安装=----------方式2（强烈不建议，不稳定有bug） #### 先安装tf pip install tensorflow-gpu==(版本) #### 再安装cuda和cudnn conda install cudatoolkit cudnn #### 安装cpu pip install tensorflow ### 5.测试 ``` python import tensorflow as tf gpu_device_name = tf.test.gpu_device_name() print('GPU:', tf.test.is_gpu_available()) print(gpu_device_name) ``` ### 说明：（建议，如果是研究生等搞这个方向的请把教程搞懂，如果是其他的，根据您的意愿） ``` anaconda就是用来管理Python环境的，base是anaconda自己的（anaconda建议不要动base）， dxtf是我们安装的Python，tfgpu，cuda，cunn都会安装到这里面。 输入conda list可以看到不同Python包。 输入conda env list可以看到不同Python的位置。 详细理解看新手必看 有疑问，请滑到最后看常见问题？ ``` ### 下面属于python代码编辑器的部分（继续安装需要收10元） #### 详细教程word版，直接送： https://kornerstonecharterschool-my.sharepoint.com/:b:/g/personal/p15923_n365_me/ERZ-2ghSQ19EiG50ldem2qUB_nBnmTTtUMHYL3SfemmYbQ?e=VuebHp #### 代码编辑器，除了pycharm，其他的软件，在window上使用都有部分的bug ### 使用jupyter #### 在创建的虚拟环境中使用jupyter notebook，命令如下： (备注：确保安装的ipykernel是在创建的虚拟环境中的) pip install ipykernel -i https://pypi.douban.com/simple/ #### 将虚拟环境添加到jupyter，命令如下： python -m ipykernel install --user --name=dxtf ### 6.pycharm中新建工程-----将解释器改为tf #### 设置--》工程--》python解释器-添加conda环境-找到tf这个python的环境 ### anaconda安装其他的包： https://blog.csdn.net/FrankieHello/article/details/106083428 ### 小白问题1： #### 为什么安装了，我的编辑器还是没有的？ 请查看你运行的python是dxtf吗，编辑器是编辑器，python是解释器，解释器是解释器，请选择dxtf的解释器 ### 小白问题2; #### 我安装的是gpu吗？ 请用第五步进行测试，print('GPU:', tf.test.is_gpu_available())显示ture就是gpu，cpu则显示false ### 小白问题3： #### 我的anaconda不能用？ 基本上就是你动了base环境，所以依赖坏了要重新安装 ### 官网白问题3： #### 为什么没有看到你安装cuda和cudnn呢？ ``` cudatoolkit 就是cuda对应的python版本，然后看确定显卡驱动那节。 另外补充，深度学习是发展很快的技术，多看官网少看博客。 ``` ### 代码白问题4： #### 可以在我现在的环境里面安装吗？ 一般是安装不上的，tfgpu有30多个依赖包，基本上会跟你环境里面的冲突。 ## 感谢大家，送pytochgpu和tfgpu安装教程 #### paddle： http://gitee.com/dxros/paddle #### torch： http://gitee.com/dxros/torch