一、Windows系统下安装Tensorflow2.x（2.6）

Windows系统下安装Tensorflow

前言

官方文档，是最为可靠和实用的，建议使用官方文档安装

1、下载Anaconda

下载Windows版本

2、安装Anaconda

双击下载好的Anaconda3-2021.05-Windows-x86_64.exe

install

一直next to

🆘🆘🆘注意需要勾选add anaconda to environment

3、安装完成Anaconda

执行Anaconda Prompt (www.anaconda.com)快捷方式

-可用win键或者开始菜单栏找到 Anaconda Prompt快捷方式

进入到命令模式：

1. 检测anaconda环境是否安装成功：conda --version
   

用户名而已啦

2. 检测目前安装了哪些环境变量：conda info --envs
   

3. Anaconda中安装了一个内置的python版本解析器(其实就是python的版本)

查看当前可以使用的python版本：

conda search --full --name python

安装python版本（3.6.8经久不衰，嘿~）

conda create --name tensorflow python=3.6.8

–name可以指定创建python的名字（tensorflow）,python=3.6.8就会去安装python

如果提示错误， Not a supported wheel on this platform，是因为你指定不python版本不是3.6.8

4. 激活tensflow的环境

activate tensorflow

在C盘前面有括号有（tensorflow）表示激活成功

5. 检测tensflow1的环境添加到了Anaconda里面：conda info --envs
   

6. 检测当前环境中的python的版本：python --version
   

7. 退出tensorflow的环境

deactivate

8. 切换到tensorflow的环境

activate tensorflow1

你可以把tensorflow当成java的jdk这种操作，android的gradlew，完成了这些操作相当于anaconda提供了一个基础的依赖环境，方面后面我们正式的安装tensorflow

补充Anaconda官方开发文档：

https://docs.anaconda.com/anaconda/user-guide/getting-started
https://anaconda.org/

4、正式安装tensorflow

Tensorflow的官方文档，可以得到安装tensorflow的一个命令是下面：

pip install tensorflow

Module: tf | TensorFlow Core v2.6.0 (google.cn)

如果在用conda安装包时出现：

You will need to adjust your conda configuration to proceed.

你需要输入

使用以下语句可以恢复到默认源。

conda config --remove-key channels

修改.condarc文件【该文件清华】

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

即可添加 Anaconda Python 免费仓库。

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

运行 conda create -n myenv numpy 测试一下吧。

推荐一个小技巧，永久修改pip镜像(强推)

Windows系统：

直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，并新建文件pip.ini文件，pip文件内容如下：

或者修改或者创建文件C:\Users\${UserName}\AppData\Roaming\pip\pip.ini，${UserName}可通过cmd执行指令set Username获得，也就是当前用户的用户名；

[global]
timeout = 6000
index-url = http://mirrors.aliyun.com/pypi/simple/
trusted-host = mirrors.aliyun.com

• timeout 超时设置
• index-url 源，可以换成其他的源
• trusted-host 添加源为可信主机，要不然可能报错
• disable-pip-version-check 设置为true取消pip版本检查，排除每次都报最新的pip， 不推荐添加

5、通过命令

pip install --upgrade --ignore-installed tensorflow

剩下的就是慢慢的等待安装的过程啦

温馨提示：如果用这个命令之后，提示你需要升级你的pip的版本，直接更新pip版本就可以了

Tensorflow使用

上面通过anaconda3安装好tensorflow，下面我们来使用tensorflow，两种方式都可以，anaconda prompt是终端模式，spyder可视化的IDE，当然也可以使用pycharm，这里介绍终端模式的使用

如果电脑支持GPU加速，NVIDIA官网下载CUDA、cuDNN

参考：安装CUDA和cuDNN
参考：详细安装CUDA和cuDNN
下载安装cuDNN时候可能需要登陆NVIDIA账号。
或者使用Anaconda命令安装CUDA和cuDNN
并配置环境变量

或者anaconda环境安装CUDA和cuDNN

CUDA Toolkit and Minimum Compatible Driver Versions

CUDA Toolkit	Toolkit Driver Version
	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 11.4 Update 1	>=470.57.02	>=471.41
CUDA 11.4.0 GA	>=470.42.01	>=471.11
CUDA 11.3.1 Update 1	>=465.19.01	>=465.89
CUDA 11.3.0 GA	>=465.19.01	>=465.89
CUDA 11.2.2 Update 2	>=460.32.03	>=461.33
CUDA 11.2.1 Update 1	>=460.32.03	>=461.09
CUDA 11.2.0 GA	>=460.27.03	>=460.82
CUDA 11.1.1 Update 1	>=455.32	>=456.81
CUDA 11.1 GA	>=455.23	>=456.38
CUDA 11.0.3 Update 1	>= 450.51.06	>= 451.82
CUDA 11.0.2 GA	>= 450.51.05	>= 451.48
CUDA 11.0.1 RC	>= 450.36.06	>= 451.22
CUDA 10.2.89	>= 440.33	>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)	>= 418.39	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

GPU

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8	11
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

查看驱动，和选择对应的版本号

不加等于和版本号

安装CUDA

conda install cudaToolkit
# conda install cudaToolkit=8

安装cuDNN

conda install cudnn
#conda install cudnn=6

安装pytorch

conda install pytorch torchvision torchaudio

或者安装tensorflow

conda install tensorflow

6、安装keras

pip install keras -U --pre

Keras在tensorflow基础上安装的。所以安装keras需要安装tensorflow环境