虽然大多数深度学习模型都是在 Linux 系统上训练的,但 Windows 也是一个非常重要的系统,也可能是很多机器学习初学者更为熟悉的系统。要在 Windows 上开发模型,首先当然是配置开发环境。Kaggle Master 及机器学习实践者 Abhinand 立足于自己的实践,给出了一种简单易行的 Windows 深度学习环境配置流程。
-
硬件和软件的最低要求
-
安装 Python 和所需工具
-
设置开发环境
-
一些 GPU 术语
-
安装 GPU 驱动
-
安装 TensorFlow(CPU 和 GPU)
-
安装 PyTorch(CPU 和 GPU)
-
验证安装情况
-
我的个人经验和替代方法
-
CPU——AMD Ryzen 7 4800HS 8C -16T@ 4.2GHz on Turbo
-
RAM——16 GB DDR4 RAM@ 3200MHz
-
GPU——Nvidia GeForce RTX 2060 Max-Q @ 6GB GDDR6 显存
> python —versionPython
3.8.3
> conda —versionconda
4.8.4
> conda install -y jupyter
> conda create --name tensorflow python=3.7
> conda activate tensorflow
> conda init powershell
> conda install nb_conda
> python -m ipykernel install --user --name tensorflow --display-name “Python 3.7 (tensorflow)”
> conda deactivate
> conda create --name torch python=3.7
> conda activate torch> conda install nb_conda
> python -m ipykernel install --user --name torch --display-name “Python 3.7 (torch)”
> conda env list
截至 2020 年 9 月,要使用 TensorFlow 2.0,显卡计算能力必须高于 3.5,但建议使用计算能力至少为 6 的显卡以获得更好的体验。TensorFlow 2.0 还需要 CUDA 10 版本,而这又进一步要求驱动版本至少为 418.x。
PyTorch 需要的 CUDA 版本至少为 9.2,但也支持 10.1 和 10.2。所需的计算能力至少要高于 3.0。
> conda activate tensorflow
> conda install -c anaconda tensorflow-gpu
>>> import tensorflow as tf
>>> tf.version
'2.1.0'
> conda install -c anaconda tensorflow
> conda activate torch
> conda install pytorch torchvision cudatoolkit -c pytorch
> conda install pytorch torchvision cpuonly -c pytorch
>>> import torch
>>> torch.version
'1.6.0'