Windows10 Faster R-CNN（GPU版） 配置訓練自己的模型

參考鏈接

1. 找到合適自己的版本，下載安裝Anaconda

點擊跳轉下載安裝 Anaconda，雙擊下載好的 .exe 文件安裝，只勾選第一個把 conda 添加到 PATH 路徑。


 

安裝完成之后，Windows + R 輸入 cmd 打開 terminal，輸入 conda 后按回車鍵，如下圖所示及 conda 環境安裝成功。

 

2. 安裝虛擬環境

繼續在 terminal 中輸入以下代碼塊

1 conda create -n tensorflow python=3.7.4

完成之后就建立了一個叫做 tensorflow 的虛擬環境，python 版本為 3.7.4，之后所有的訓練都是在這個環境下進行。

1. Windows 下用 activate tensorflow 激活環境，deactivate tensorflow 關閉環境
   macOS Linux 下用 source activate tensorflow 激活環境，source deactivate 關閉環境
2. conda env list 安裝了哪些環境
3. conda remove -name tensorflow -all 刪除該環境
4. conda clean -p 刪除一些沒用的包
5. conda clean -t 刪除 conda 保存下來的 tar 包

 

3. 安裝版本依賴

cmd 輸入以下代碼塊查看顯卡型號和顯存大小

1 cd C:\Program Files\NVIDIA Corporation\NCSMI
2 
3 nvidia-smi

 

安裝 CUDA 和 cuDNN，版本適配問題得注意，本文選用的是 CUDA9.0 和 cuDNN7.3.1，具體可參考下面圖片。


 

安裝 CUDA

CUDA9.0 下載地址：點擊跳轉下載，Windows10 x86_64 local 下載。


雙擊點擊下載好的 .exe 文件進行安裝，cmd 輸入以下代碼塊，成功的話會出現 Result = PASS 表示安裝成功。

1 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
2 
3 bandwidthTest.exe

 

 

安裝cuDNN

cuDNN 下載地址：點擊跳轉下載，本文安裝的是與 CUDA9.0 適配的 cuDNN7.3.1 Windows10 版本。


解壓下載好的文件包，將對應的三個文件夾里面的內容分別復制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 下面對應的文件夾內

 

 

4. 安裝 tensorflow

1. 激活 tensorflow activate tensorflow
2. pip install -i http://pypi.douban.com/simple tensorflow-gpu==1.8.0 --trusted-host pypi.douban.com，如果下載安裝速度緩慢參看下載加速文章
3. conda search tensorflow-gpu 可以查看提供了哪些版本。
4. 運行以下代碼塊查看 tensorflow-gpu 安裝情況，圖片是安裝成功的情況。

1 python
2 import tensorflow as tf 3 tf.__version__ 4 tf.__path__