环境搭建流程

准备工作

环境搭建

机器配置：i5-8300h, 1060 6G, 128G+1T, windows10 1909 家庭中文版

1. 安装anaconda：官网下载exe安装
2. 配置anaconda

# 创建环境py36
conda create -n py36 python=3.6
# 添加清华、中科大源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
# 进入py36环境
conda activate py36

3. 配置环境
   由于项目较为古老，三年前的，所以安装库的版本不能太新，否则会有warning甚至无法运行

# 要求
Keras (>2.0.0)
Theano(>0.9) or Tensorflow(>1.1.x)
Numpy (>1.10)
Scipy (0.19.1)
OpenCV(>3.0)
Scikit-image (0.13.0)
PIL

# 安装tensorflow gpu (1.8.0)
## 查看感兴趣版本号
conda search tensorflow-gpu
## 安装1.8，anaconda自动安装相应版本cuda，cudnn
## 挂代理从anaconda默认网站下载，因为清华库中没有
conda install tensorflow-gpu=1.8.0
# 安装keras （2.2.0）
conda install keras-gpu=2.2.0
# 安装numpy（1.15）
conda install numpy=1.15
# 安装opencv（3.4.1）
conda install opencv=3.4.1
# 安装scipy, scikit-image, pillow,
conda install scipy, pillow, scikit-image

4. 测试tensorflow-gpu是否正确安装：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

 成功安装会显示GPU信息

import tensorflow as tf
a = tf.test.is_built_with_cuda()   #判断CUDA是否可用
b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)     #判断GPU是否可用
print(a)
print(b)

成功安装会两个true

5. 补充说明

# 查看显卡信息（powershell）
cd C:\Program Files\NVIDIA Corporation\NVSMI\
.\nvidia-smi