超詳細windows10下TensorFlow2.*安裝(對于intel處理器。tensorflow_cpu和tensorflow_gpu)通用

當筆者安裝tensorflow時查看了許多文章，但都不是特別具體，本文是博取眾長，按照自己的安裝程序總結而來，按照本文可以完美安裝tensorflow2.*

tensorflow分為__Cpu__和__Gpu__版本，在2.0以上對于1.0帶來了極大的簡化使用，但是，對于Gpu版本，需要進行CUDA和CUDnn的安裝，如果電腦支持Gpu,則特別需要進行步驟2，安裝tensorflow最大的困難也就是步驟2，通過anaconda可以簡化步驟2的程序，

1. anaconda的安裝

? 由于TensorFlow是屬于比較高的應用，需要許多基礎依賴作為支撐，通過pip進行逐個安裝，如果不更換下載源，下載速度慢不說，一個一個安裝作業量也大，故而需要使用anaconda進行安裝，Anaconda指的是一個開源的Python發行版本，可以把anaconda理解為一個依賴管理工具，對相關環境進行管理，可以快速創建和管理多個虛擬環境，對相關工具進行下載，這里安裝的是anaconda3.0的版本，它基礎搭建了Python3.8.8環境，

1.1__下載__地址：Anaconda | Individual Edition

1.2 安裝步驟：幾個需要特別注意的地方（直接安裝圖進行選擇就行）：

此處需要稍微等一會：

此頁面直接點擊__next__,此處相當于給Pycharm打的廣告，

兩個勾去掉，不然會彈出新頁面，最后finish完成，

1.3測驗是否安裝正確：

直接按住 win+R,輸入cmd,進入dos，__注意：__無論電腦是否原本__安裝__過python，還是__沒有安裝__過python的用戶，由于我們前面安裝是選擇添加進入環境變數path,所以當輸入下列代碼時候，會顯示anaconda的默認python版本，而原本電腦的版本（我這里稱之為源版本）的快捷方式將會被覆寫，我們可以cd進入源檔案目錄運行源python.exe檔案，源檔案可以轉入anconda管理，主要是新創建虛擬環境，然后把源python所有檔案移動過虛擬環境，

python --version #查看python版本

conda --version #查看anaconda版本，安裝成功將會顯示對應版本好

conda 的包管理功能和pip 是一樣的，當然你選擇pip 來安裝包也是沒問題的，

#1.安裝包
# 安裝 matplotlib 
conda install matplotlib 
# 如果不用-n指定環境名稱，則被安裝在當前活躍環境
# 也可以通過-c指定通過某個channel安裝
conda install -n python36 numpy
# 洗掉包
conda remove matplotlib
# 查看已安裝的包
conda list 

# 查看已安裝的某個包
conda list requests

# 查看某個指定環境的已安裝包
conda list -n python36

# 查找package資訊
conda search numpy

由于anaconda源在國外，所以使用官方源安裝檔案將會很慢，這個時候就需要切換為國內的鏡像源進行下載（這里展示的是清華鏡像），也可以通過直接修改用戶下面的（C:\Users\Xin）.condarc檔案：

#通過指令添加清華鏡像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
    
conda config --set show_channel_urls yes
conda config --add channels conda-forge
conda config --set channel_priority flexible

#.condarc結構，官方清華源見（https://mirror.tuna.tsinghua.edu.cn/help/anaconda/）
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

更新anaconda，建議安裝完anaconda就運行下面兩行代碼更新一下，

conda update -n base conda#更新conda到最新版本
conda update --all #更新第三方庫

1.4 管理環境

# 查看已經存在的環境(base)為默認anaconda安裝時創建的環境，
conda info -e

新建一個環境（這里創建tensorflow）,python版本為3.8，新創建的在anaconda目錄檔案夾的envs目錄下：

#創建python版本為3.8的tensorflow環境
conda create -n tensorflow python=3.8


#洗掉環境指令
conda remove -n tensorflow 
#強制洗掉
conda remove -n tensorflow  --all

#激活/切換環境，如tensorflow,默認在base下
conda activate tensorflow

#關倍訓境
deactivate

2.安裝tensorflow_gpu所需的環境，cpu版本不需要，如果電腦不支持Gpu，可以直接進入步驟3.

注意！

注意！

注意！

安裝tensorflow_gpu版本之前，需要先明確，你需要安裝電腦顯卡(NVIDIA)支持的對應的cuda和cudnn版本

查看方式：

右鍵—>NVIDIA控制面板—>左下角系統資訊—>組件->看第三行藍色加深

如圖：第三行藍色加深中，其中__最右邊CUDA 11.2.154__就是電腦對應的__cuda__版本

查看到相關資訊后，點擊下面網址，見tensorflow_gpu欄，查看對應的cuda、cudnn和python版本：在 Windows 環境中從源代碼構建 | TensorFlow (google.cn)

本機對應的CUDA是11.2，故為第二行，cuDNN版本為8.1,tensorflow版本為2.5.0，python為3.6-3.9版本，

#1.創建tensorflow環境
conda create -n tensorflow python=3.8  
#2.激活tensorflow環境
conda activate tensorflow 
#3.通過anaconda安裝我們需要的cuda
conda install cudatoolkit=11.2 #11.2為本機支持cuda版本
#3.通過anaconda安裝我們需要的cudnn
conda install cudnn=8.1

3.通過pip安裝tensorflow(cpu和Gpu版本共同步驟)

#注意：確保自己在tensorflow環境中
conda activate tensorflow

conda list #如果你想支持Gpu,查看自己是否已經下載好對應版本的cuda和cudnn

#通過pip安裝tensorflow2.*,這里使用豆瓣源
pip install tensorflow==2.5 -i https://pypi.douban.com/simple #下載完成則就已經完成

4.測驗tensorflow是否安裝成功，匯入Pycharm

#1.進入tensorflow環境
conda activate tensorflow
#2.使用tensorflow的python
python
#輸入以下代碼
import tersorflow as tf
tf.__version__ #將輸出對應版本資訊則安裝成功

pycharm引入tenflow2.*，不選擇new envieonment，選擇下面的python3.8（注意虛擬環境在envs目錄下），然后創建就完成具體測驗用例略，

pycharm引入tenflow2.*，不選擇new envieonment，選擇下面的python3.8（注意虛擬環境在envs目錄下），然后創建就完成具體測驗用例略，