002、【详细步骤】conda方式安装tensorflow-gpu==1.14和PyTorch==1.3

东方耀

002、【详细步骤】conda方式安装tensorflow-gpu==1.14和PyTorch==1.3


conda方式安装tensorflow-gpu==1.14和PyTorch==1.3
前提条件：本机系统已经安装了CUDA：v10.0和cuDNN：v7.6.1 并不想改变 因为其他项目的TensorFlow-GPU使用了CUDA：v10.0这个版本
而查看PyTorch官网PyTorch==1.3的Stable版本只支持 CUDA v9.2和10.1版本 为了两者能共存需要用到conda的虚拟环境隔离


步骤：
1、conda create -n py3_torch_gpu python=3.6.8
2、conda activate py3_torch_gpu   conda list 查看pip版本
3、用pip --version  pip3 --version验证是否报错 以及位置是否在虚拟环境内部
4、pip 9.0.1 from D:\ProgramData\Miniconda3\envs\py3_torch_gpu\lib\site-packages (python 3.6)
5、执行：python get-pip.py 升级
6、再用pip --version pip3 --version 查看是否升级 同时根据路径只使用虚拟环境内的pip或pip3命令
通过 pip list 或 pip3 list也可以看出不同
7、conda list 查看pip版本 同时发现 Build=pypi_0  Channel=pypi  非常好！
8、pip3 install numpy和jupyter notebook和matplotlib和scikit-learn和nltk
9、【正式安装Pytorch】conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 发现pytorch torchvision非常卡 其他包很快（用的清华源） 失败！
10、conda install cudatoolkit=10.1  之后改变了环境内的pip版本 又得执行：python get-pip.py 升级
11、pip3 install torch===1.3.0 torchvision===0.4.1 -f https://download.pytorch.org/whl/torch_stable.html 速度非常快
12、检查PyTorch是否使用GPU（成功）：import torch as T  T.__version__  T.cuda.current_device()   T.cuda.device_count()  T.cuda.get_device_name(0)
13、【安装tensorflow-gpu】pip3 install tensorflow-gpu==1.14  Successfully opened dynamic library nvcuda.dll
14、pip3 install keras    pip3 install opencv-python   pip3 install opencv-contrib-python




conda install tensorflow-gpu==1.14  会自动提示：
cudatoolkit        anaconda/pkgs/main/win-64::cudatoolkit-10.0.130-0
  cudnn              anaconda/pkgs/main/win-64::cudnn-7.6.0-cuda10.0_0
而PyTorch==1.3的Stable版本只支持 CUDA v9.2和10.1版本

2020年02-16：

1. 
   
2. ==> WARNING: A newer version of conda exists. <==
   
3. current version: 4.6.14
   
4. latest version: 4.8.2
   
5. Please update conda by running
   
6. $ conda update -n base -c defaults conda

复制代码

【正式安装Pytorch=1.4】conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 发现 无法连接：CondaHTTPError: HTTP 000 CONNECTION FAILED for url
conda install cudatoolkit=10.1 共456.2M 下载速度比较快  之后改变了环境内的pip版本 又得执行：python get-pip.py 升级
pip3 install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html  速度非常快哦但是 安装pytorch=1.4报错：pip\_internal\cli\base_command.py   MemoryError
解决：直接迅雷下载whl文件(会显示的根据你的版本)：torch-1.4.0-cp36-cp36m-win_amd64.whl（这是我的 759M） 之后pip3 安装
再次运行pip3 install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html
提示torch已经安装好了 后面再安装torchvision===0.5.0 pillow等 非常顺利  成功！
检查PyTorch是否使用GPU（成功）

【安装tensorflow-gpu】pip3 install tensorflow-gpu==1.15  Successfully opened dynamic library cudart64_100.dll
pip3 install keras


【正式安装Pytorch=1.5】conda install pytorch torchvision cudatoolkit=10.2 -c pytorch   成功啦(2020-05-08 有截图)






ipynb文件在附件，可提供下载！


东方老师AI官网：http://www.ai111.vip
有任何问题可联系东方老师微信：dfy_88888
【微信二维码图片】

东方耀

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch