准备条件：1、默认安装了anaconda3（建议）

                   2、python3.7

一、安装tensorflow-gpu   

conda search tensorflow-gpu  #查看可以安装的版本

conda install tensorflow-gpu=2.5.0 #选择安装的版本 “=”号后面自己选择可安装的版本之一

import tensorflow as tf
tf.__version__    #测试是否安装成功


#若成功，将会输出 [out1] '2.5.0'

二、安装CUDA及cudnn

虽然已经安装了tensorflow-gpu，但仍未得到GPU硬件加速，因此还需要安装CUDA、cudnn

1）安装CUDA  

        CUDA下载地址

2）下载cudnn

        cudnn下载地址

下载之后解压，将里面的文件拷贝到cuda的文件夹里既可（即替换这三个文件）

然后，把bin和lib/x64的路径加到PATH环境变量中

3）测试 

在cmd窗口中输入： nvcc -V

  若输出如下图，则说明安装成功 

 

 

三、 搭建bert服务

1）安装bert服务端和客户端 

pip install bert-serving-server  #安装bert服务端
pip install bert-serving-client  #安装bert客户端

2）下载预训练的模型（本文以中文bert模型为例） 

        github地址

进去之后可能会不知所措，请按如下步骤：

页面往下滑，找到Pre-trained models小标题，这个区域便是可以下载的包。

点击红色区域的中文包，然后下载。

3）下载之后，解压名为【chinese_L-12_H-768_A-12】的.ZIP文件

四、测试bert

1）启动bert  

【注意：使用bert之前需要启动bert服务】

#在anaconda虚拟环境命令窗口中输入:
bert-serving-start -model_dir C:\Downloads\chinese_L-12_H-768_A-12 -num_worker=2

#这里的C:\Downloads\chinese_L-12_H-768_A-12是笔者的路径，请使用你自己的路径。
#其中-num_worker=2 的2表示进程数，其不能超过GPU数量。

出现以下显示，则说明启动成功！

 

2）运行测试

import tensorflow as tf
from bert_serving.client import BertClient
 
bc = BertClient()
vec = bc.encode(['嗨 卡卡','你好世界'])
 
print(vec)

 

 恭喜配置成功！