快速部署tensorflow2.8环境

前言

本篇blog主要是记录下自己如何快速部署当前tensorflow环境。同时也方便实验室同学后续复现我的代码，能够快速搭建合适的环境。

Cuda安装

cuda安装参考博客
注意该博客所写：
如果 你前面没有安装vs，直接安装的这个，需要把CUDA里面的
Visual Studio Integration取消勾选，否则会安装不成功

cuda安装不需要nvida账号，但是cudnn安装需要，下载注意版本对应
cudnn官方下载链接

正常安装成功后在控制台输入nvcc -V检查

Anaconda安装与虚拟环境激活

anaconda安装链接
直接参考这篇博客安装即可，我是用的清华源安装，很快

在base环境下，安装pip
pip安装

conda虚拟环境创建
添加国内镜像源那里，我是直接跳过，我一般用pip安装

 conda create -n tf_test python=3.8

作为演示我创建一个tf_test的虚拟环境
安装完成后激活该环境

conda activate tf_test

d2l包安装（非必须）

这部分只用于在新虚拟环境中快速安装常用的python包
如果是在你之前的环境或者base环境中，不要安装该包！不要安装该包！不要安装该包！（重要是事情说三遍）
因为该包包含的一些库会与已有的库重复而产生冲突，产生bug不好解决，卸载也不好卸

首先是解决pip下载过慢的问题
pip快速install

pip install d2l==0.17.3 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

正常一遍就可以，如果报错Matplotlib或者panda库安装有问题，直接无视
现在控制台输入python

如果出现版本即可视为正常
这部分并非必要，只是为了快速安装常用包，完全可以跳过，自己pip安装所需要的包

tensorflow安装

tensorflow的版本适配问题总是那么糟糕
我自己也踩过不少雷，感觉一个稳妥的安装版本是cuda11.2以上加上tensorflow2.8

pip install tensorflow==2.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

起码我cuda11.3+2.8.0不会出错，屡试不爽

安装完毕，控制台输入python

检查是否安装成功并是否可以使用gpu
官方文档

最后再补充安装sklearn（并不是直接pip install sklearn）

pip install -U scikit-learn

在虚拟环境添加jupter notebook

 pip install ipykernel ipython

一个方便计算flops的包

 pip install keras_flops

最后结果