利用PyCharm简化搭建深度学习环境(新手排坑)

预备环境：Anaconda3
搭建环境：PyCharm + TensorFlow/TensorFlow-GPU + Keras
PyCharm Version 2020.2.1
TensorFlow Version 2.3.1
Keras Version 2.4.3
CUDA Version 10.1
cuDNN Version 7.6

1. 用 PyCharm 新建 Python 环境

需要提前安装好 Anaconda 官网下载地址：Anaconda 官网下载地址

点击新建项目(New Project)
按下图操作

2. 安装 TensorFlow 2.3.1

项目搭建好后点击 Terminal 打开终端
输入命令 pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple/ ，从清华的镜像源检查 pip，确保 pip 为最新版，目前 pip 最新版为 20.2.3
输入TensorFlow安装命令 pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 安装最新版的 TensorFlow，目前最新版的 TensorFlow 为 2.3.1
如果上面安装不了或者下载缓慢，可以试试这条命令，切换为阿里镜像源 pip install tensorflow -i https://mirrors.aliyun.com/pypi/simple
输入以下 Python 代码运行，验证安装是否成功：

python

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

`踩坑记录：(DLL load failed：找不到指定的模块)`

这里如果报如下图所示错误，是因为 vc++ 各种运行库缺失导致的，最简单的解决办法就是下载 vc++运行库合集，然后安装就好了，这里给出一个下载链接，不保证官方无毒，请自行斟酌使用。VC++ 运行库合集安装包下载地址：http://8dx.pc6.com/wwb6/WRYXKHJ2020.10.14.exe

3. 安装 Keras 2.4.3

继续在 terminal 中输入命令安装 Keras pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple/ ，阿里镜像源命令： pip install keras -i https://mirrors.aliyun.com/pypi/simple
输入一下 Python 代码，运行无报错则安装成功：

python

import keras

至此，TensorFlow 不带 GPU 的版本和 keras 已经安装完成，如需添加 GPU 支持，请继续如下操作

添加 GPU 支持

以下内容全部基于普通笔记本电脑上的 NVIDIA GeForce MX150 独立显卡平台

1. 查找自己平台是否有 NVIDIA 独立显卡以及是否支持 CUDA

打开任务管理器查看显卡型号，一般笔记本有核心显卡和独立显卡，找到有 NVIDIA 字样的一般就是英伟达的独立显卡了，接着复制显卡型号即图中的 NVIDIA GeForce MX150 到 NVIDIA 官网查询该型号是否支持 CUDA
可以看到如下图所示该显卡是支持 CUDA 的，所以可以给 TensorFlow 添加 GPU 支持

2. 去官网下载 CUDA10.1 以下的版本

目前 TensorFlow 最新版仅支持 10.1 即以下版本，不要安装最新的 CUDA11 cuDNN 仅支持最高7.6版本

CUDA 10.1 官网下载链接：https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
点击 Download 下载（点击一次可能会出现请求失败的 ERROR，重新点击就好了）
也可以点击这个链接直接下载，或者将该链接复制到迅雷里可以更快速的下载，实测迅雷能跑到 6mb/s：https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.105_418.96_win10.exe

3. 安装 CUDA

双击打开安装包，点击 ok 加载缓存到临时目录
等待检查系统兼容性，然后点击同意并继续
选择自定义安装
只勾选如图所示的组件，其余一律不勾选
依次点击下一步，直至安装即可，默认安装位置尽量不要改动，后续要配置环境变量，如若更改，务必截图保存，以防忘记

4. 下载 cuDNN 并配置环境变量

点开此链接下载 cuDNN7.6 版本：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
将下载的压缩包解压出来，把 cuda 文件夹复制到 C 盘根目录
将以下路径添加到系统环境变量中

shell

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\cuda\bin

5. 运行验证是否支持 GPU

在上文所建立的 pycharm 项目中，写入如下 Python 代码，执行

python

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

出现如下图所示提示即表示安装成功

附录：`pip`命令总结

pip 命令示例	说明
pip download SomePackage==version	下载扩展库的指定版本，不安装
pip freeze > requirements.txt	以 requirements 的格式列出已安装模块
pip list	列出当前已安装的所有模块
pip install SomePackage==version	在线安装 SomePackage 模块的指定版本
pip install SomePackage.whl	通过 whl 文件离线安装扩展库
pip install package1 package2 …	依次（在线）安装 package1、package2 等扩展模块
pip install -r requirements.txt	安装 requirements.txt 文件中指定的扩展库
pip install –upgrade SomePackage	升级 SomePackage 模块
pip uninstall SomePackage==version	卸载 SomePackage 模块的指定版本

利用PyCharm简化搭建深度学习环境(新手排坑)

评论区