TensorFlow 2.8.0安装 + Miniconda + GPU支持

一、为啥要写本文捏？

之前照着b站上的某个tensorflow教程装了个tensorflow2.0 + Anaconda + CUDA10.0,发现好多东西跑不起来。

因此就将一整套tensorflow包括其对应需要的conda（python环境）、CUDA（NVIDIA显卡对tensorflow支持的工具包）升级一下，其实是重装一遍。

一方面为自己到时候能回顾一下安装过程，另一方面，给网友提供参考。

系统版本：windows10 64位
显卡： NVIDIA GTX1050
python：3.8.2
tensorflow：2.8.0

---

二、基础环境安装

1.安装Miniconda

首先下载好Miniconda
Miniconda下载页

我选的是与windows python3.8 对应的miniconda

下载后，解压安装即可

---

2.visual C++的安装

也不知道是啥有用没用，照着视频来的，装了再说呗
visual C++官网下载页

下载之后安装，重启

---

3.查看我们安装的miniconda是否有用

打开Anaconda Prompt

输入python，可查看python版本

---

三、TensorFlow安装

打开Anaconda Prompt，安装tensorflow包

输入：
pip install tensorflow -i https://pypi.doubanio.com/simple/

默认安装最新版本，当前为2.8.0

也可指定版本

如：
pip install tensorflow==2.8.0 -i https://pypi.doubanio.com/simple/

---

大小大概400多MB，下载完成之后。

此时咋们可以在Anaconda Prompt中输入： where ipython

查看ipython是否存在，ipython为python的交互式窗口工具，比较美观。

如果控制台打印了ipython的路径，直接在控制台输入ipython，弹出交互式窗口。

在ipython中输入以下代码

import tensorflow as tf

print(tf.__version__)

可以打印当前，tensorflow的版本号，检验tensorflow是否安装成功。

到此为止，tensorflow的CPU版本安装成功，如果你想让tensorflow支持GPU的话也可以参考下面的内容

---

四、TensorFlow GPU支持

首先，你要有一个NVIDIA显卡，且其算力不应该低于3.5-NVIDIA算力查看
具体GPU算力查看网站
个人电脑显卡，一般在这个目录下

NVIDIA驱动版本要求:
450.80.02或更高版本

NVIDIA驱动程序对应的CUDA驱动版本必须:
CUDA Version 11.2或更高版本

两个配置是相互对应的，在Anaconda Prompt中输入nvidia-smi命令

查看对应的NVIDIA驱动版本和其cuda驱动版本

---

如果命令没用，可以在NVIDIA控制面板，查看对应的信息

---

查到自己显卡对应的CUDA版本之后就可以去官网下载相应的东西了，有两个东西需要下载并配置

1.CUDA Toolkit，网址 CUDA Toolkit Archive

建议直接下载local版本的exe文件，网络版本非常麻烦

下载完成之后，如果想简单，一路默认即可

电脑C盘空间不够，建议自定义安装，改下安装位置

2.接下来是cudnn的下载
cudnn的版本需要和CUDA版本对应，例如11.4的CUDA对应8.2.4的cudnn
cudnn下载页

cudnn下载完毕之后无需安装，解压之后打开文件夹进入到含有cuda文件夹的目录

将其复制到，CUDA安装目录下，与bin目录同级，并改名为cudnn，这一步比较重要

接下来，需要***配置环境变量***

11.4版本的CUDA，会将环境变量自动配置，也不一定，总之自己需要检查一下，没有的话需要自己配置一下，

最好将这四项按顺序放到一起（系统会顺序搜索）

配置完毕后，可以使用 nvcc -V 查看CUDA版本，

安装完毕后可以，在ipython中输入

import tensorflow as tf

print('GPU',tf.test.is_gpu_available())

会打印，GPU是否可用

测试过程中可能会出现找不到的错误，该文件在CUDA的bin目录下

将该文件复制到下面目录下即可

至此，tensorflow的GPU支持也完成了