深度学习图像识别二次开发日志

深度学习图像识别二次开发日志

一、环境搭建

确认计算机配置

查询 显卡 - CUDA - cuDNN - python - tensorflow_gpu 版本对应关系

1.1 打开NVIDIA控制面板

1.2 打开 帮助 - 系统信息

1.3 打开 组件，查看CUDA版本编号

1.4 打开 Tensorflow官网 - 从源代码构建 - Windows - GPU，查找对应关系

根据上图，前往 NVIDIA 官网（可能小卡） 下载对应的 CUDA 驱动

2.1 打开下载好的安装程序，可以默认安装

2.2 安装好后加入环境变量，并使用cmd检查安装情况

2.3 用户变量中加入这四个路径

2.4 系统变量中加入两个变量

2.5 使用cmd检查安装情况 nvcc --version，CUDA安装成功

下载cuDNN —— 下载地址（可能小卡，并需要一系列注册登录认证）

3.1 下载后解压得到四个文件

3.2 将三个文件夹拷贝到CUDA安装目录下，直接复制粘贴文件夹不会显示文件夹重名，会自动将文件补充到对应文件夹下面去

3.3 检查tensorflow-gpu安装情况

在桌面新建一个文本文件，在里面放入以下代码，然后将文本文件改名为 test.py

from tensorflow.python.client import device_lib
import tensorflow as tf
print(device_lib.list_local_devices())
print(tf.test.is_built_with_cuda())

然后在桌面，按住 Shift同时点击鼠标右键，在右键菜单中选择

在 PowerShell命令行中输入python test.py，稍等片刻，运行结果显示为显卡及其算力等级，环境搭建完成

安装 Tensorflow-GPU对应版本的Keras

4.1 Tensorflow-GPU 的版本在步骤1.4 已经查询过，Tensorflow-GPU 2.6.0

4.2 Keras 版本查询方式
在安装好tensorflow-gpu==2.6.0后，使用命令pip install keras==2.3.1，后来出现了这样一条报错

wow！利用报错信息来查询对应版本，也是个好办法呢！