Tensorflow2.10.0-GPU速装

注意事项：

1.介绍中大多网页需要科学上网，请提前准备好tool。

2.安装任何软件、Python包、whl等文件时，要确定好安装路径，尽量安转到C盘外。 

3.一次成功是非常难得的，安装过程中仔细检查命令，并学会分析报错原因。

4.检查下有无NVIDIA(英伟达)显卡，有这个显卡才能安装GPU版本，默认大家电脑都有。

（一）安装Anaconda最新版本

Index of / 这个网页包含了所有版本的anaconda，建议选择安装最新版本

（二）使用Anaconda prompt为神经网络语言搭建环境

1.下载好Anaconda，在其安装目录下打开Anaconda prompt

输入conda create -n  ***  python==3.9

***代表新建环境的名称，最好用本人名字和tensorflow命名，以区分其他语言环境（pytorch）或他人环境，例如我这里使用的是"qijitf"作为环境名。

2.搭建完成后，输入conda env list 可查看目前存在的环境有哪些，默认的是base环境，这里我们还搭建了在base下层的新环境（刚刚以你的名字命名的）。若后续发现环境损坏可在base环境内输入conda remove -n 环境名 --all

注：Anaconda prompt是Anaconda的命令提示符，类似于WIN+R调用出的cmd，但其基础访问环境是base环境（Anaconda安装位置的顶层文件空间）。

（三） 激活新建环境

在2中讲了，prompt默认进入环境base，也可以说默认激活环境base。但我们所要做的是在新环境中安装各种包（cudatoolkit、cudnn、tensorflow…）而不是在base环境中，因此我们激活新环境，进入新环境搞些小动作。

输入conda activate 环境名（刚刚以你的名字命名的）

注：其实新环境就是一个文件夹，新环境在base的下一层，而与这位新环境并列的其他新环境可以自己随意创建（在base中创建）。比如这里创建了tensorflow的新环境，那我们需要pytorch环境时，可以再创建一个pytorch的环境。

（四）安装cudatoolkit 和 cudnn

1.更新驱动cuda版本

安装前要满足一个条件：电脑cuda版本 >= 环境cuda版本，这样环境才能顺利调用电脑GPU。因为我们要在环境中配置的cuda为11.2.0(即环境cuda为11.2.0)，因此需要电脑cuda版本>=11.2.0。我们在prompt中输入nvidia-smi查询电脑cuda版本，如下图所示：我的电脑driver cuda为12.4，满足上述条件。如过你的版本>=11.2.0便不需要更新驱动cuda，直接进入下一步进行预安装。但建议安装最新驱动，可以提高GPU表现效果。

如果你通过输入指令nvidia-smi查询到电脑驱动版本<11.2.0，这时就需要下载安装最新的nvidia驱动，来更新电脑cuda version（GPU驱动）。具体安装过程参考手动下载更新驱动，也可通过nvidai GeForce Experience 更新，参考GeForce Experience更新GPU显卡驱动。更新好后，再在prompt中输入nvidia-smi查询最新GPU驱动版本，大于等于11.2.0便可进入下一步预安装。

2.安装cudatoolkit 和 cudnn

cudatoolkit 和 cudnn 是对电脑GPU进行驱动的软件，版本的选择要严格精准，不能随意改动，因为这是官网给出的要求，具体对应表看这里对应表。

输入conda install -c conda-forge cudatoolkit=11.2.0 cudnn=8.1.0，安装cudatoolkit和cudnn包。此处极大地方便了我们安装cudatoolkit 和 cudnn，因为其效果和我们去nvidia官网一个个下载安装相同（只有走过去官网心酸下载的路才能理解我的痛！）。

（五） 安装tensorflow（wheel方法）

1.wheel方法简单讲就是找到tensorflow包的存储地址（目前是这里tensorflow-gpu包），找到python版本对应的链接。然后下载到本地文件夹中，通过在prompt 中输入    pip install   存储路径+包名称    安装。我的环境使用的是3.9版本的python，故我安装下图的第五个包。

2.我这里输入的是  pip install D:\Desktop\wheel\tensorflow-2.10.0-cp39-cp39-win_amd64.whl  ，因为我把它放到了桌面的wheel文件夹中，其名称为tensorflow-2.10.0-cp39-cp39-win_amd64.whl

（六）安装tensorflow-docs（whell方法）

tensorflow-docs · PyPI，进入这个网址找到下载链接，同5过程一样安装到新环境中。

（七）更新numpy

使用pip list 或者 conda list查看新环境中包含所有包版本，这里numpy可能由于pip方法默认给tensorflow依赖的原因，版本较低，使用pip install numpy==1.24.3 更新版本至1.24.3。

（八）验证是否成功安装GPU版本

输入 python #进入python编译环境

import tensorflow as tf #导入tensorflow包命名为tf，后续tf代表tensorflow

print(tf.test.is_gpu_available()) #打印其gpu是否可用。

返回TURE即为安装成功。(可能会返回一些warning，和版本信息，不过无关紧要，最后返回了TURE就OK啦！！)

（九）把搭建好的环境传进编译器（pychram）

pycharm编译器选择时一般选择existing的环境，所以环境搭建需要提前在conda中配置（看到这一步了，咱们的环境可以说是暂时无敌了，为什么是暂时无敌，因为后面跑大佬的代码可能会因为依赖包版本和你的对不上而报错，这时不需要慌，按照错误提示对指定包该升级升级、该降级降级）。亦可以选择创建新环境，但不如自己提前准备好的环境省心（都建好了已经，就别挑战自己了）。

1.Anaconda安装后自带base环境，可使用base环境中的python配置pycharm编译环境(base环境中的python.exe会存在于Anaconda文件夹顶层目录中)，But这个base环境咱们没有给他安装一点包，so不用管base环境，介绍base只是为了更好的让读者了解环境的层级关系。

2.（主要看这个）亦可以通过conda命令行或者Anaconda图形界面继续在envs下创建新的环境，命名好新环境，使用新环境下的python配置pycharm中的解释器。这里我们已经创建好了，最重要的是我们也配置好了环境，所以直接用刚刚以你的名字命名的那个环境（文件）下的python.exe来配置就好。

接下来就可以顺利（痛苦）的开始你的深度学习之旅啦！！！