WIN10平台深度学习环境安装(Tensorflow CPU+GPU)

写在前面：

深度学习算法了解学习或者轻微使用，安装Tensorflow CPU版本即可。学术研究，项目开发使用GPU能够获得更高的算力。Anaconda3集成了Python环境，无需安装其他Python语言环境。

1 Tensorflow CPU版本安装（v1.13.1）

1.1安装介质：

（1） Anaconda3-2020.02-Windows-x86_64.exe

（2） Tensorflow 1.13.1

下载地址：

https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe

只用下载Anaconda客户端，其他使用pip下载方式进行安装。

1.2安装步骤：

（1） 从官方下载Anaconda软件并安装，安装时注意选择“全部用户”，勾选两项安装

（2）将清华大学镜像路径加载到Anaconda Navigator下载channel中

镜像地址：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

如果不响应，则多试几次或者添加其他国内镜像源

（3）使用Anaconda Prompt命令窗口安装Tensorflow1.13.1

依次输入如下指令：

创建名为“CPU”的环境，使用语言python3.7.6：

conda create –n CPU python=3.7.6

进入CPU环境：

activate CPU

安装Matplotlib绘图工具（必须先安装否则不能画图，且与numpy冲突）

pip install matplotlib -i  https://pypi.tuna.tsinghua.edu.cn/simple

安装Tensorflow1.13.1(使用国内镜像速度快，可选清华/中科大/阿里/豆瓣等)：

pip install tensorflow==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

（4）使用Anaconda Prompt命令窗口测试Tensorflow是否安装成功

接3中代码

进入编程语言

python
import tensorflow as tf
hello = tf.constant('AAAAAAAAAA')
sess = tf.Session()
print(sess.run(hello))

这时会输出字符AAAAAAAAAA

sess.close()
exit()

（5）Anaconda Tensorflow添加插件：

打开Anaconda Navigator，选择CPU环境，在“Not installed”中选择要安装的插件，依次安装Jupyter 与 Spyder

开发环境使用Spyder终端，其版本最好使用Spyder3版本，Spyder4版本经常会使ipython内核崩溃，自动补全功能也不如3.x版本方便。Python3.7.6建议使用Spyder3.3.6版本。Spyder4系列若使用补全功能，需要下载kite工具。

1.3注意事项：

（1） PIP下载缓存地址

C:\Users\Administrator\AppData\Local\pip\Cache\wheels\55\fd\b5\4db4cce08516c3aaa68ee4c843439f45c7fcf177320ba63d9f）

（2） Jupyter Notebook（CPU）闪退解决办法

在Anaconda Prompt窗口输入：

activate CPU
pip uninstall pyzmq
pip install pyzmq
jupyter notebook

（3）离线安装 ：将文件放在C:\Users\Administrator目录下，pip install 文件名即可

（4） 查看安装插件版本号

  pip list

（5）Cadence 目录下的anaconda spyder等是本软件产生的

（6）完全删除anaconda

打开 Anaconda Prompt， 输入如下命令：

conda install anaconda-clean
anaconda-clean --yes

然后直接运行安装目录下的 Uninstall-Anaconda3.exe

2 Tensorflow GPU版本安装（v2.1.0）

参考教程：
https://blog.csdn.net/menshu1892/article/details/81569513

https://www.bilibili.com/video/BV1JJ411c7uT?t=123

需要Nvida显卡，根据型号在官网下载支持的CUDA与CUDNN

本机为GTX 1050Ti，可以支持CUDA10.2
查询方法：Nvidia控制面板-帮助-系统信息-组件

2.1安装介质：

（1）Anaconda3-2020.02-Windows-x86_64.exe

下载地址：

https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe

（2）Visual Studio 2015

下载地址：

ed2k://|file|cn_visual_studio_professional_2015_with_update_1_x86_x64_dvd_8234478.iso|6328291328|F6AB8FFC4E80E3F7D148AA925B3566E5|/

（3）NVIDA CUDA 10.1

下载地址：

https://developer.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.105_418.96_win10.exe

（4）NVIDA cudnn10.1

下载地址：

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip

2.2安装步骤：

（1）安装Anconda步骤不变

（2）安装VS2015，CUDA，CUDNN

CUDA只用安装CUDA选项，安装好后将CUDNN解压的三个文件夹放入CUDA目录即可。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

（3）安装Tensorflow GPU

首先打开Anconda Prompt

conda create –n GPU python=3.7.6
activate GPU
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

安装好后检查python及Tf版本

python –V
python
import tensorflow as tf
tf.__version__
tf._path
exit()

安装及配置Jupyter Notebook

pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install jupyter_contrib_nbextensions -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install autopep8

重新设置JupyterNotebook文件保存路径

 jupyter notebook –generate-config

找到文件后修改路径。以后在 jupyter notebook 中写的代码等都会保存在自己创建的目录中

（3）安装Matplotlib与Spyder。安装方法可以使用Navigator或者CMD都可以

CMD：

activate GPU
pip install matplotlib – i https://pypi.tuna.tsinghua.edu.cn/simple
pip install spyder – i https://pypi.tuna.tsinghua.edu.cn/simple

Jupyter/Spyder测试代码：

import
tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a =tf.constant(1.)
b =tf.constant(2.)
print(a+b)
print('GPU:',tf.test.is_gpu_available())

输出

GPU:true

3 Tensorflow 1.x程序升级至2.x内核

方法一
将Anaconda目录下的Anaconda3\envs\GPU\Scripts\tf_upgrade_v2.exe工具放到Spyder_Workspace目录下，通过CMD命令进入该目录下，使用如下操作，将低版本（TF 1.x）文件转换为高版本（TF 2.x）

选择 input file，输出 output file

tf_upgrade_v2 --infile foo.py --outfile foo-upgraded.py

将整个目录进行变换

tf_upgrade_v2 --intree coolcode --outtree coolcode-upgraded

方法二
在Tensorflow 2.x中运行1.x代码时，将

import tensorflow as tf

替换为

    import tensorflow.compat.v1 as tf 
    tf.disable_v2_behavior()