更新下目前的 win10 深度学习 GPU 环境搭建推荐实践(CUDA9.2 + cuDNN7.2)。现在安装都非常方便了,Python 可以全部用 3.6 版本。推荐还没有玩过深度学习的朋友都可以试试了。
1. 装 CUDA
CUDA9.2 和 9.2.1:
cuDNN7.2(需要先注册 nVIDIA 账号):
https://developer.nvidia.com/rdp/cudnn-download developer.nvidia.com
2. 装 Python
装 Miniconda,比 Anaconda 省空间。选这里的 4.5.4 对应 Python 3.6:
Miniconda installer archive repo.continuum.io
注意:安装时,记得选加入 PATH。
2.1 Conda 的常用指令
升级库:
conda update –all
清旧包:
conda clean –yes –all
然后需要手工删除 pkgs/.trash(官方解释是因为 Windows 经常锁文件)。
使用代理服务器方法:
conda config –set proxy_servers.http 127.0.0.1:1080
conda config –set proxy_servers.https 127.0.0.1:1080
2.5 装 Jupyter
推荐装 Jupyter Lab,比 Jupyter notebook 先进:
conda install -c conda-forge jupyterlab
执行 jupyter lab 可以打开。
3. 装 TF
官方版需要自己编译才支持 CUDA9.2,这里的直接支持:
fo40225/tensorflow-windows-wheel github.com
目前对应 CUDA9.2 的是 1.10.0。下载后 pip install xxx.whl 即可。
进 python 可以 import tensorflow 说明成功。
4. 装 MXNet(其中包括 Gluon)
最新版似乎 CUDA 初始化有bug。建议装 1.2.0:
pip install mxnet-cu92==1.2.0
进 python 可以 import mxnet 说明成功。
5. 装 Pytorch
conda install pytorch cuda92 -c pytorch
pip3 install torchvision
进 python 可以 import torch 说明成功。
下一篇我们看几个例子在 TF / Pytorch / MXNet & Gluon 的代码对比:
PENG Bo:1张图学会PyTorch+TensorFlow+MXNet+TF Eager zhuanlan.zhihu.com