电脑基础 · 2023年3月23日

安装Tensorflow+配置pycharm解释器(保姆级教程)

安装Tensorflow虚拟环境(GPU)+配置pycharm解释器

1.首先安装cuda和cudnn,且cude,cudnn,tensorflow版本必须一致。

本次教程所使用的版本是:cuda--11.3 cudnn--8.2.1 tensorflow--2.6.0

若下载这两个安装包太慢,这里我提供下载链接

cuda: 链接:https://pan.baidu.com/s/1XpcPmAAe7TuaudOzwZW5JA 提取码:wm7t

cudnn: 链接:https://pan.baidu.com/s/1V8_ZFbBqHsv3XiPE_2RgFw 提取码:d8lf

2.安装完毕后,打开anaconda prompt

安装Tensorflow+配置pycharm解释器(保姆级教程)

3.创建tensorflow虚拟环境

conda create -n tensorflow2.6.0 python=3.8

安装Tensorflow+配置pycharm解释器(保姆级教程)

4.创建完成之后,查看虚拟环境

conda env list

安装Tensorflow+配置pycharm解释器(保姆级教程)

5.进入虚拟环境

conda activate tensorflow2.6.0

安装Tensorflow+配置pycharm解释器(保姆级教程)

6.在虚拟环境中安装tensorflow

pip install tensorflow_gpu==2.6.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com

安装Tensorflow+配置pycharm解释器(保姆级教程)

7.在pycharm中配置tensorflow解释器

安装Tensorflow+配置pycharm解释器(保姆级教程)

8.输出测试代码进行测试

import tensorflow as tf
tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()
print('tensorflow version:',tensorflow_version, '\tGPU available:', gpu_available)
a = tf.constant([1.0, 2.0], name='a')
b = tf.constant([1.0, 2.0], name='b')
result = tf.add(a,b, name='add')
print(result)

若出现这样,则证明安装成功

安装Tensorflow+配置pycharm解释器(保姆级教程)