使用conda安装tensorflow

 建议在安装之前先确认下面链接中Python的版本以及其对应的tensorflow、CUDA、cuDNN对应的版本。

Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应python3.11-CSDN博客

一.使用conda创建环境

初学者可以参考这篇文章：Anaconda安装及环境配置-CSDN博客

这里我创建了一个名为 TF ，Python版本为3.8的环境

二.安装 tensorflow-cpu 版本

1.激活环境之后，安装Python3.8 对应版本的tensorflow。

 这里我安装的tensorflow-cpu版本为2.6

如果自己想安装其他的Python版本和对应的tensorflow版本，可以参考文章开头链接

 2.安装成功

​

•  在Python中导入包：import tensorflow as tf
•  一开始提示报错，原因是protoc版本不对，参考下面这篇文章可解决。

解决：TypeError: Descriptors cannot not be created directly-CSDN博客

​

•  解决之后再次导入包，出现下面警告：

​

第一条警告意味着 TensorFlow 在尝试加载名为 cudart64_110.dll 的动态链接库（DLL）时失败了。这个库是 NVIDIA CUDA 运行时（runtime）的一部分，版本号 11.0。

如果您在机器上安装了 NVIDIA 的 GPU 和相应的 CUDA 工具包，并且期望 TensorFlow 能够利用 GPU 加速，那么这个错误可能是因为以下几个原因造成的：

• CUDA 工具包没有正确安装或配置。
• TensorFlow 需要的 CUDA 版本与机器上安装的版本不匹配。
• cudart64_110.dll 文件可能不在系统的 PATH 环境变量中，或者没有安装在 TensorFlow 预期的位置。

第二条警告是TensorFlow 告诉你，如果你没有在机器上设置 GPU，那么可以忽略上面的 cudart 动态链接库错误。

简而言之，如果你确实在机器上安装了 NVIDIA GPU 和 CUDA 工具包，并且希望 TensorFlow 能够利用 GPU 加速，那么你需要检查 CUDA 的安装和配置是否正确。如果你没有 GPU 或者不打算使用 GPU 加速，那么你可以忽略这个警告，TensorFlow 将会使用 CPU 进行计算。

如果你确实想使用 GPU 加速，并且遇到了这个问题，你可以尝试以下步骤：

• 确认你已经安装了正确版本的 CUDA 工具包。
• 确保 cudart64_110.dll 文件存在于你的系统中，并且其路径已经添加到了 PATH 环境变量中。
• 验证 TensorFlow 的版本是否与你的 CUDA 版本兼容。有时，你需要安装特定版本的 TensorFlow 来匹配你的 CUDA 版本。
• 重启你的计算机，有时这可以解决 PATH 环境变量更新后的问题。

如果你只是想在 CPU 上运行 TensorFlow，那么你可以忽略这个警告，继续你的工作。

三.安装 tensorflow-GPU版本

1.为了不和其他环境冲突，我们重新创建一个虚拟环境

​

 2.按照版本对应表中的版本，同样选择2.6版本的

​3.在解决了和安装cpu时遇见的proto相同的问题后，可以导入Python包进行测试tensorflow-GPU是否能正常工作。

import tensorflow as tf
tf.config.list_physical_devices('GPU')

如果一切设置正确，可以看到下面的输出内容：

​

4.但是这里我报错了，报错如下：

​

解决方案如下：在此环境中重新安装 cuDNN 和 cudatoolkit

conda install cudnn -c conda-forge 
conda install cudatoolkit -c anaconda

5.再次测试，成功！

​

​