本文首发于个人博客、地址：https://dhbxs.club/posts/37561f92.html

文章目录

在PyCharm中搭建深度学习环境(基于win10)1. 用PyCharm新建Python环境2. 安装TensorFlow 2.3.13. 安装Keras 2.4.3 添加GPU支持1. 查找自己平台是否有NVIDIA独立显卡以及是否支持CUDA2. 去官网下载CUDA10.1以下的版本3. 安装CUDA4. 下载cuDNN并配置环境变量5. 运行验证是否支持GPU

在PyCharm中搭建深度学习环境(基于win10)

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：https://www.anaconda.com/products/individual

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

输入以下Python代码运行，验证安装是否成功：

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

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/

输入一下Python代码，运行无报错则安装成功：

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

可以看到如上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 加载缓存到零时目录

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

将下载的压缩包减压出来，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

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

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