沙箱环境建立及gpu调试.docx

沙箱环境建立命令

condacreate-n沙箱名称python=版本号

注意：此处不能提前更改为国内镜像地址否则出错。

更改国内镜像地址命令

condaconfig--addchannels国内镜像地址

condaconfig--setshow_channel_urlsyes

查看设置

condainfo

如果建立沙箱环境出错修改如下文件

D:\anaconda3\Lib\site-packages\conda\core

文件：package_cache_data.py

查找self._urls_data=[line.strip().decode(utf-8)forlineinfh]语句

把utf-8改为cp936即可

重启conda

conda-navigator-reset

沙箱建立成功后要激活沙箱

activate沙箱名称

使用完毕后关闭沙箱

activate沙箱名称或activateroot

如果删除沙箱

condaremove-n沙箱名称--all

注意如果已经更改了国内的镜像，需要重新恢复为初始地址

condaconfig--remove-keychannels

安装TensorFlow

注意此处有两个版本，cpu和GPU，如果对机器学习运算时效率更高。

安装gpu版

pipinstalltensorflow-gpu

安装CUDA

安装完毕

建立系统变量

CUDA_BIN_PATH=%CUDA_PATH%\bin

CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

CUDA_PATH=C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v11.0

CUDA_PATH_V11_0=C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v11.0

CUDA_SDK_PATH=C:\ProgramData\NVIDIACorporation\CUDASamples\v11.0

CUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64

编译cuda

用visualstudio2019编译C:\ProgramData\NVIDIACorporation\CUDASamples\v11.0下的Samples_vs2019.sln文件

打开文件后右击解决方案-属性，配置选择“Release”，平台选择“活动（x64）”，选择生成，

如果报错可以/wayne793377164/p/8185404.html参考解决。最好从cmd下运行deviceQuery.exe文件

注意先要进入这个文件的文件夹，C:\ProgramData\NVIDIACorporation\CUDASamples\v11.0\bin\win64\ReleasedeviceQuery

到此发现无法使用，经过研究发现是CUDA版本与python以及cudnn版本不匹配造成的，随即卸载tensorflow

卸载tensorflow

pipuninstalltensorflow-gpu

卸载CUDA11.0版本，改为CUDA10.0版本。

版本

Python版本

编译器

编译工具

cuDNN

CUDA

tensorflow_gpu-2.0.0-alpha0

2.7、3.3-3.6

GCC4.8

Bazel0.19.2

7.4.1以及更高版本

CUDA10.0(需要410.x或更高版本)

tensorflow_gpu-1.13.0

2.7、3.3-3.6

GCC4.8

Bazel0.19.2

7.4

10.0

tensorflow_gpu-1.12.0

2.7、3.3-3.6

GCC4.8

Bazel0.15.0

7

9

tensorflow_gpu-1.11.0

2.7、3.3-3.6

GCC4.8

Bazel0.15.0

7

9

tensorflow_gpu-1.10.0

2.7、3.3-3.6

GCC4.8

Bazel0.15.0

7

9

tensorflow_gpu-1.9.0

2.7、3.3-3.6

GCC4.8

Bazel0.11.0

7

9

tensorflow_gpu-1.8.0

2.7、3.3-3.6

GCC4.8

Bazel0.10.0

7

9

tensorflow_gpu-1.7.0

2.7、3.3-3.6

GCC4.8

Bazel0.9.0

7

9

tensorflow_g