
本文發表時間:2019/12/11 下午兩點
記住,一定要看最新的教學文,那種幾個月的都不要看了。
今早只是想把Spyder更新到有內建暗黑主題的4.0.0 正式版本,怎麼知道一不小心環境就毀了,連TensorFlow-GPU版本都賠進去。既然踩了坑,那就趕緊把這個坑給填了吧。
直接上步驟!!(對了我的Python版本是3.6,3.7坑很多暫時不敢升上去):
Step 1、打開Anaconda Prompt 進到你想更改的環境裡。(這句話要是看不懂,不用繼續往下看了。)
Step 2、更新conda :conda update conda
Step 3、更新Anaconda :conda update anaconda
Step 4、更新Spyder :conda update spyder
基本上到這邊,Spyder就會更新成新版有內建暗黑主題的,但是你可能會發現自己的TensorFlow變成跑CPU版,速度差了十幾倍。
Step 5、打開命令提示字元(cmd)
Step 6、安裝TensorFlow2.0:pip install tensorflow-gpu
Step 7、安裝 CUDA以及cuDNN: conda install cudnn=7.6 cudatoolkit=10.0
一定要這個版本,因為目前TensorFlow2.0還不支援最新CUDA10.1。
Step 8、修改gast版本:pip install gast==0.2.2
因為gast最新版本有Bug,所以請安裝這個特定版本。
基本上到這邊應該坑都填平了,如果你的GPU驅動程式有記得更新的話:)
最後附上幾個程式碼讓你可以快速驗證自己是不是真的安裝好TensorFlow2.0並成功調用GPU:
第一個是檢查有沒有抓到GPU,這個要可以正確執行才對,最下面會顯示你的GPU型號。
#%% GPU Device Detection | |
from tensorflow.python.client import device_lib | |
print(device_lib.list_local_devices()) |
第二個是短小精幹的神經網路訓練範例:
from __future__ import absolute_import, division, print_function, unicode_literals | |
# TensorFlow and tf.keras | |
import tensorflow as tf | |
from tensorflow import keras | |
# import matplotlib.pyplot as plt | |
print(tf.__version__) | |
fashion_mnist = keras.datasets.fashion_mnist | |
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data() | |
train_images = train_images / 255.0 | |
test_images = test_images / 255.0 | |
model = keras.Sequential([ | |
keras.layers.Flatten(input_shape=(28, 28)), | |
keras.layers.Dense(128, activation=‘relu’), | |
keras.layers.Dense(10, activation=‘softmax’) | |
]) | |
model.compile(optimizer=‘adam’, | |
loss=‘sparse_categorical_crossentropy’, | |
metrics=[‘accuracy’]) | |
model.fit(train_images, train_labels, epochs=10) | |
test_loss, test_acc = model.evaluate(test_images, test_labels, verbose=2) | |
print(‘\nTest accuracy:’, test_acc) |
跑成功的話會出現本教學文一開始的那張圖。
這次圖不多,因為我覺得直接給指令比較重要。
再多提一點,由於TensorFlow2.0把Keras也包進去了,所以原本使用Keras的程式碼要改一下,改動也不大:
import keras → from tensorflow import keras
from keras.xxx import xxx → from tensorflow.keras.xxx import xxx
有遇到問題的就留言吧,看到就會回覆的。
感謝以下大德提供相關解法:
在Win10上安裝CUDA Toolkit、CUDNN、Tensorflow-gpu(最新tf2.0、tf1.14~1.13及1.12以下共存)的安裝經驗分享