tensorflow是在anaconda上安装的,所以先安装anconda
一、安装anaconda3
我安装的是这一个,anaconda自带python,所以不需要单独安装python
点击安装,一路next下去
(图不是我安装的图,哈哈)安装位置可以自己更改,记住自己的位置就好
添加环境变量不要勾,自己后面手动添加比较好,然后一直next下去,直到完成。
然后配置环境:
先找到自己的安装位置,我的是装在E盘,
需要添加的路径有这四个:
E:\Anaconda3
E:\Anaconda3\Scripts
E:\Anaconda3\Library\bin
E:\Anaconda3\Library\mingw-w64
这四个你自己的路径添加到环境变量的path里
然后就可以了,有些电脑可能需要重启才能生效
然后找到
中的
打开是一个小黑框终端,输入python,回车,可以看见python版本为3.7.6
查看环境是否配好:window键+r 输入cmd,输入python,回车
搞好
二、tensorflow 2.0版本cpu安装
由于python 3.7和tensorflow 2.0.0 不匹配,所以要配置一个python3.6的虚拟环境,配置虚拟环境也是为了以后安装其它东西时减少冲突,而且如何以后要卸载tensorflow时,直接删除这个虚拟环境就好了,就会把这个虚拟环境里的所有东西删掉。刚开始装软件时难免会遇见各种问题,那么这就安装和卸载很方便了,哈哈哈。
先把一些指令贴出来,没帖出来的可以去百度,应该我也是新手菜鸟,哈哈
#新建python3.6的虚拟环境,tf2.0是我自己给我环境取的名字,你可以改成你自己的
conda create -n tf2.0 python=3.6
#删除虚拟环境,tf2.0改成你需要删除环境的名字
conda remove -n tf2.0 --all
#查看所有的环境
conda info –e
#激活
conda activate 环境
#退出环境
conda deactivate
1、创建虚拟环境
打开Anaconda Prompt(Anaconda3),就是之前的那个小黑框
conda create -n tf2.0 python=3.6
回车,出现y/n的话,输入y,回车,由于我装过了就不再装了,成功后可以查看
conda info –e
我们可以看见我们新建的tf2.0了,然后激活tf2.0,可依发现最前面的环境由base变成了tf2.0,也就是我们新建的环境
2、安装tensorflow 2.0.0 cpu版本
安装之前,先更新pip,不然可能会出现各种为题,下载速度慢,不能下载等
python -m pip install --upgrade pip
回车,所有需要y/n的地方都是y,回车,卸载时也一样
然后安装tensorflow
pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
装完之后tensorflow 2.0.0 cpu版本就安装好了,验证的时候你输入python,会出现python的版本号,3.6版本的
导入包,查看版本号,没报错就行
import tensorflow as tf
print(tf.__version__)
用ipython验证时,输入ipython,如果报错或者版本号不是3.6而是3.7的话,说明你这个需要环境里没有安装ipython。
安装:pip install ipython
正常如下:
验证:
**在这里还有个问题,就是打开jupyter notebook后,如果启动不了就去找命令在虚拟环境中安装一个。
jupyter notebook
回车后它会打开浏览器到jupter界面:
点这个new会出现Python3和我们建的(tf2.0)环境,点tf2.0进入编辑页面
我的这里显示服务准备好了,但是如果出现 no module named ipykernel_launcher notebooks 连接不上
在相应环境中重载
pip install ipykernel
pip uninstall ipykernel
然后就好了,我就是遇见这个问题,搞了好久才在网上找到解决办法。
我出现的问题是用Python3的环境能连接上,tf2.0不行。因为你的tensorflow是安装在tf2.0里的,所以你用Python3环境只能运行python程序,不能运行tensorflow程序。
输入后,shift+回车,输出版本号
cpu版本安装到这就完了,gpu版本可以和cpu版本一起装在tf2.0环境里。
二、gpu版本安装
gpu安装需要NVIDIA显卡,好像算力还有要求,具体就要去好好查一下啦
NVIDIA驱动:下载地址
CUDA:下载地址
cuDNN:下载地址
NVIDIA驱动找到自己对应的版本,版本大于441吧
CUDA用的10.0
cudnn也找对应的,下载可能比较慢
我的是这些:
1.安装NVIDIA驱动
我的时默认安装位置,然后一直下去,选择精简安装,直到成功
安装好之后在anaconda里面可以查看驱动
nvidia-smi
2.安装CUDA
双击进入安装,安装位置可以自己选择,记住就好,后面要配置环境。选择自定义安装,只勾选CUDA,下面两个不用选,装驱动时已经装了。
然后选择安装位置,就默认吧,也可以自己改。。。但是后面配置的时候要知道在哪
然后一直到成功
然后配置环境:加入用户变量的path里,(下面系统变量我没试过,不知道行不行),好了之后重启电脑,有些可能不需要重启
需添加的有2个:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64
你要找你安装的位置,添加对应的就好了
系统变量里的已经默认安排好了
验证:在anaconda里输入:nvcc -V
成功
3.安装cndnn
下载的是压缩包,解压后就是一个文件夹,再点进去
就是装CUDA配置环境的那个路径进去,那些文件夹中有三个和这相同的文件夹
把cndnn里的三个文件夹里的东西分别复制粘贴到对应的文件夹下,有相同的就替换。然后就可以了,那个txt文档不用管。
4.安装tensorflow gpu版本
在tf2.0环境中输入下面安装命令,回车,y,回车,完成
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
测试,之前已经弄好了jupyter notebook,直接打开在这里面测试:
选择tf2.0环境
输入:
import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())
print(tf.test.is_gpu_available())运行可能比较慢,等一会。
这样应该算安装成功了吧,哈哈哈哈哈
本来就想放弃了,从入门到放弃。。。。。
一开始是win7系统,装不好,我以为是系统问题,然后重装了win10系统,但是装好win10后我发现好像不是系统问题,而是我装gpu版本时先装cuda,没有先装驱动。。。。。肺都要气炸了,除了这,还有其他那么多软件要重装,想想都心累,win10装的时候也遇见了很多问题,都是装了不行删了重装,重装,重装。。。。。。。。