Windows下Anaconda配置深度学习环境Tensorflow2.3.0+CUDA10.1

1. 安装Anaconda

Anaconda是一个包管理器，在每个版本之间建立了隔离，可以方便的管理不同版本的Python环境。
Anaconda官网下载
现在conda pip 直接安装的网速还可以，不需要再设置国内镜像

2. conda创建环境

tensorflow2 的基本环境要求：
Python 3.5–3.8；Ubuntu 16.04 或更高版本；Windows 7 或更高版本（含 C++ 可再发行软件包）
conda新建环境

conda create -n tensorflow2 python=3.7

conda删除环境

conda remove -n tensorflow2 --all

conda复制环境

• conda没有直接的复制， 先 clone 一份 new name 的环境
• 删除 old name 的环境

conda create -n new_name --clone old_nmae
conda remove -n old_name --all

3. pip安装Tensorflow

可以在https://pypi.org/project/tensorflow/查看tensorflow的各种历史版本，并根据相应的pip命令安装。

这里以tensorflow2.3.0为例

pip install tensorflow==2.3.0

如果报错：“Cannot connect to proxy.’, OSError(0, ‘Error’)”，在网络-属性-Internet选项-局域网设置中，取消标记*'使用代理服务器’选项。

此时pip完毕后直接import tensorflow as tf 会提示机器上没有GPU，说明我们安装的tensorflow也是GPU版的。

4. 安装CUDA cuDNN

1. 准备工作，移除NVIDIA之前的安装

PS：这一步我在安装过程中并没有做，但也安装成功了，可能是因为刚刚重装了系统，C盘比较干净；如果是重复安装的话，还是删干净点比较靠谱。

进到C:\Program Files\NVIDIA Corporation,删除和NVIDIA有关的文件夹

同理，进入C:\Program Files (x86)\NVIDIA Corporation，删除下图所示的文件。删完后重启电脑。

2.安装CUDA

不同操作系统下tensorflow和CUDA版本对应关系可以参考Tensorflow官方或下面这篇博客
https://blog.csdn.net/ysten618/article/details/106928786/
NVIDIA驱动版本和CUDA版本的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

这里选择安装CUDA 10.1
这个链接可以选择CUDA的历史版本。
依次选择Windows、x86_64、10、exe(local)，下载相应的Base Installer， 如果有相应的补丁（Patches），一并下载。装完CUDA把他们也都装了。

安装的时候一路默认安装即可，期间他可能会自动下载Visual Studio2017的一些东西用来编译。

3. 安装对应版本的cuDNN

在这个链接下载压缩包，下载前还需要注册一个NVIDIA的账号，然后答个傻傻的问卷。按要求做就可以了。
下载以后解压，得到以下文件

这三个文件夹里分别是cuDNN的动态链接库，静态链接库和头文件，把他们复制到CUDA10.1对应的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1即可。

如果在环境变量中看到这两个变量值，那就说明CUDA已经在系统上安装成功了。

5. 测试

打开Anaconda Powershell Promot

conda activate tensorflow2

python

依次输入以下命令，如果返回值均是True，完成。

import tensorflow as tf
tf.test.is_built_with_cuda()
tf.test.is_gpu_available()      #检查gpu是否可用

祝大家安装顺利，其实没啥麻烦的。