1、安装Anaconda3
官网:https://www.anaconda.com/download/#windows
中科大的anaconda镜像网站:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
选择自己想要的版本,下载好安装包后,接着安装软件
安装成功
2、安装Tensorflow(cpu)
打开Anaconda Prompt
依次输入:
1)新建一个环境,名字为tensorflow_cpu ,python的版本是3.6
conda create -n tensorflow_cpu python=3.6
2) 激活环境
conda activate tensorflow_cpu
3) 安装tensorflow, 要选择版本可以 tensorflow==***
conda install tensorflow
4) 测试,在spider上输入
import tensorflow as tf
hello = tf.constant('Hello')
s = tf.Session()
print(s.run(hello))
看到输出‘Hello’,则安装成功!
3、安装Tensorflow(gpu)
3.1 安装CUDA
1)找到合适的CUDA版本。
CUDA版本和显卡驱动版本相关的,这里 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#abstract 可以查看版本的对应关系,特定的cuda版本有对应的最小版本的驱动,即比较新的驱动可以往后兼容比较旧的cuda。
windows系统打开NVIDIA控制面板,点击菜单栏“帮助”-“系统信息”,可以看到,我的电脑最高可以支持CUDA 9.2版本。
2)下载和安装CUDA
各个历史版本的下载地址:https://developer.nvidia.com/cuda-toolkit-archive
我下载的是9.2版本,点击到下载页面后,选择操作系统,然后安装的类型选择“local”(先下载安装包到本地),最后安装。
3)检查系统环境变量
查看系统变量里面是否以下红色方框的内容:
也可以在终端内输入nvcc -V 查看CUDA信息
输入 set cuda 查看路径
3.2 下载和安装cuDNN
下载各个版本的cuDNN的地址:https://developer.nvidia.com/rdp/cudnn-download
下载前要先注册一个账号,然后选择CUDA版本所对应的cuDNN。
下载到的是一个压缩包,将其解压后得到四个文件/文件夹:
把它们全部复制到CUDA的安装目录下,就完成任务了。
3.3 安装TensorFlow-gpu
同样打开Anaconda Prompt
依次输入
1)
conda create -n tensorflow_gpu python=3.6
2)
activate tensorflow_gpu
3)
conda install tensorflow-gpu==1.8.0
4) 测试方法和前面一样
4 确定自己的TensorFlow是CPU还是GPU的版本
以下代码来自于其他网友的文章:
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
代码在pycharm上跑的的结果 如下,可以看到是用GPU运行的