1. 環境版本對應

碩二暑假(2020.07)

  • Python - TensorFlow - Keras - Cuda - Cudnn

Python: 3.7.7
TensorFlow-gpu: 2.1.0
Keras: 2.3.1 ( 2.2.0 也可以 )
Cuda: 10.1
Cudnn: v7.6.5.32
(bonus) Pytorch: 1.5.0 (+cu101)

碩二上(2020.10)

  • Python - TensorFlow - Cuda - Cudnn

Python: 3.6.8
TensorFlow-gpu: 1.10.0
Cuda: 9.0
Cudnn: v7.6.5
用於做FPN-tensorflow 的環境。

可搭配參考此網址

2. python原始

python
setuptools
wheel


  • 顯示目前python版本

python version
#或是
python -V

  • 顯示目前有哪些套件

pip list

  • 更新pip

python -m pip install upgrade pip

  • 若無發執行,則:

easy_install -U pip

  • 更新setuptools

pip install –upgrade setuptools

3. 建立虛擬環境指令

  1. 先建立一個虛擬環境
python -m venv 資料夾名稱 (ex:venv) .\資料夾名稱\Scripts\activate
  1. 然後開始pip install 你需要的套件==版本
  2. 之後可以輸出requirements.txt
pip freeze > requirements.txt

4. 下載Pytorch

  • torchvision that matches the PyTorch installation. You can install them together at pytorch.org to make sure of this.
  • 我目前使用的torch版本是 1.6.0+cu101、torchvision版本是 0.7.0+cu101。
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

5. 下載TensorFlow

  • 對於版本參考可以看這裡
# CPU pip install tensorflow==版本 # GPU pip install tensorflow-gpu==版本

測試Tensorflow

import tensorflow as tf print(tf.add(1, 2))

output:

tf.Tensor(3, shape=(), dtype=int32)

6. 測試Cuda

  • cuda 版本
nvcc --version
# 或是
nvcc -V

version

  • 測試 cuda 內容
nvidia-smi

smi

#持續print使用狀況
nvidia-smi -l

  • 測試 cuda 版本是否可行

    • 方法1 :
    ​​​​> python
    ​​​​> import torch
    ​​​​> torch.cuda.is_available()
    

    available

    • 方法2 :
    ​​​​> import tensorflow as 
    ​​​​
    ​​​​> tf.test.is_gpu_available(
    ​​​​    cuda_only=False, min_cuda_compute_capability=None
    ​​​​    )
    

    此版本為:
    python: 3.7.7
    tensorflow: 1.15.0
    cuda: 10.0
    cudnn: v7.6.4
    2020.10.17 doing for FPN

    • 方法3 :
      可以參考此文章 (含path的部分)。

:warning:記得還要加上 Microsoft Visual Studio 的開發套件。