anaconda3 + tensorflow-gpu2.1 + pycharm 最快速安装及环境配置

目录

版本对应

1、anaconda安装配置

2、tensorflow配置

3、pycharm设置

---

版本对应

anaconda3  4.2.0

tensorflow-gpu2.1

python3.7

cudnn7.6.5

cudatoolkit 10.1

在设置以上东西之前，先查看自己的显卡驱动版本、算力等，此处不赘述。

1、anaconda安装配置

1. 下载安装anaconda3，可以去清华镜像源下载。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2. 安装好后替换清华源，下载速度拉满。可以直接在anaconda navigator中的channel中设置。

   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
   conda config --set show_channel_urls yes

    

3. 更换pip源。在C:\Users\Administrator地址下新建pip文件夹，新建pip.ini文件，内容为

   [global]
    
   timeout = 6000
    
   index-url = https://pypi.tuna.tsinghua.edu.cn/simple
    
   trusted-host = pypi.tuna.tsinghua.edu.cn

2、tensorflow配置

1. 在命令行中输入

   conda create -n tensorflow python=3.7

   这一步是在anaconda中新建一个名为tensorflow的环境。

2. 在navigator的tensorflow环境中,搜索not installed的tensorflow-gpu，点击apply，可以看到列表中包含了cudnn和cuda的对应版本，因此直接apply即可。

3. 测试。在命令行下输入 

   activate tensorflow 

   进入安装好的conda环境。接着输入

    python 

   最后逐行输入

   import tensorflow as tf
   
   A = tf.constant([[1, 2], [3, 4]])
   B = tf.constant([[5, 6], [7, 8]])
   C = tf.matmul(A, B)
   
   print(C)

   若结果为

   tf.Tensor(
   [[19 22]
   [43 50]], shape=(2, 2), dtype=int32)

   则说明tensorflow安装成功。

3、pycharm设置

1. 我们创建的每个 Conda 虚拟环境都有一个独立的 Python Interpreter，将它们添加进来即可