之前摸索tensorflow的時候安裝踩坑的時間非常久，主要是沒搞懂幾個東西的關系，就在瞎除錯，以及當時很多東西不懂，很多報錯也一知半解的，這次重裝系統后正好需要再配置一次，把再一次的經歷記錄一下，我的電腦是華為的matebook13，intel i5-8625U，MX250顯卡，win10系統，（不得不吐槽很垃圾，只能滿足測驗測驗調調代碼的需求）
深度學習利用Tensorflow平臺，其中的Keras Sequential API對新用戶非常的友好，可以將各基礎組件組合在一起來構建模型，
（官網： https://tensorflow.google.cn/?hl=zh-cn）
安裝Tensorflow 分為 tensorflow_cpu 和 tensorflow_gpu版本
GPU就是用來渲染計算的，GPU版本計算性能是CPU的百倍之快，如果電腦沒有獨立顯卡只能用CPU版本計算，
CPU版本安裝：
tensorflow_cpu版本只需要安裝anaconda后在anaconda prompt里面pip install tensorflow_cpu==（版本號） 即可，安裝anaconda的方法見GPU版本里面，
注意查下python和tensorflow_cpu適配的版本號，
GPU版本安裝
tensorflow_gpu版本安裝大致分為三步：1、安裝anaconda 2、安裝cuda和cdunn 3、安裝tensorflow_gpu，其中第一步和第二步的順序可以調換，就是安裝完了前面三個東西再安裝tensorflow即可，
tensorflow最近出了2.0版本，和1.0大版本有一些區別，具體我還沒有去了解，代碼不一定兼容，需要注意一下，這三個步驟的版本需要格外的注意，一旦三個自己的版本互相不兼容或者和電腦的顯卡不兼容，就用不了，所以安裝前看看要安裝的tensorflow版本，先查好顯卡的算力，然后適配的相應版本再安裝，否則踩坑要很久，
首先確定電腦所能支持的tensorflow版本，根據tensorflow官網所給配置，我們要去檢查電腦gpu的cuda支持版本，再去對應下載python版本和tensorflow版本，
右鍵 桌面>NVIDIA控制面板>幫助>系統資訊>組件
上圖說明我的顯卡所支持的cuda版本為11.1（向下兼容）
Tensorflow配置window官網：https://tensorflow.google.cn/install/source_windows
以我電腦為例，之前我用的是3.7.3的版本，這次重裝系統后安裝的是3.8.3，
cmd查看python版本：
我之前tensorflow用的是1.13的版本，這次因為已經安裝了python3.8，因此打算安裝2.0版本，如果仍需要低版本需要重新安裝python較低的版本或者搭一個虛擬環境（但不是很建議），
第一步，安裝anaconda
anaconda會對應安裝python環境，不一定要最新的， 最新的python版本不一定有兼容的cuda加速，有cuda加速也不一定支持電腦的顯卡，
官網安裝：https://www.anaconda.com/products/individual，之前版本如果官網沒有可能需要找資源，
第二步，安裝cuda工具包
（官網：https://developer.nvidia.com/zh-cn/cuda-toolkit）
CUDA是 NVIDIA 專為圖形處理單元 (GPU) 上的通用計算開發的并行計算平臺和編程模型，借助 CUDA，開發者能夠利用 GPU 的強大性能顯著加速計算應用，在經 GPU 加速的應用中，作業負載的串行部分在 CPU 上運行，且 CPU 已針對單執行緒性能進行優化，而應用的計算密集型部分則以并行方式在數千個 GPU 核心上運行，使用 CUDA 時，開發者使用主流語言（如 C、C++、Fortran、Python 和 MATLAB）進行編程，并通過擴展程式以幾個基本關鍵字的形式來表示并行性，由于tensorflow最高版本對應的是cuda10.1版本，那下載cuda10.1即可，安裝包鏈接：https://developer.nvidia.com/cuda-toolkit-archive
CUDA的下載需要掛載VPN，否則下下來只有1kb (好像后面又不一定需要VPN，可以直接下載試試）
自定義安裝，安裝的東西全選了，盡量不要改安裝位置
安裝完之后安裝cuDNN, cuDNN是用于深度神經網路的GPU加速庫.注意安裝的版本，選擇自身cuda版本對應的cudnn下載，
官網：https://developer.nvidia.com/rdp/cudnn-archive ，cuDNN的下載需要注冊官網的賬號
下載好的cudnn檔案解壓后，將檔案夾內的檔案放到cuda對應檔案夾下，注意：是檔案夾內的檔案，而不要直接復制替換檔案夾
第三步，安裝tensorflow—gpu
在anaconda prompt里面安裝：pip install tensorflow-gpu ， 后面可以指定版本號，下載慢掛載一個鏡像源 -i https://pypi.tuna.tsinghua.edu.cn/simple
安裝完成：
測驗是否安裝成功：
import tensorflow as tf
tf.test.is_gpu_available()
True即表示安裝成功了，
查看版本號：
至此安裝成功，可以跑一個小程式測驗一下，
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())
顯示“GPU True”, 也即代表GPU版本安裝成功，
經過幾天調了一下代碼之后發現tensorflow2相對與1還是有挺多改動的，1里面能夠運行的代碼可能2里面需要一定的修改，
關于Tensorflow2和1上面keras的一些區別可以搜一下相關的資料，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/235961.html
標籤：python