tensorflow2.1+Anaconda+python3.7环境搭建

tensorflow学习参考github项目：

Study_TF2.0/tensorflow2.md at master · dxc19951001/Study_TF2.0 · GitHub

GitHub - dxc19951001/Deep-Learning-with-TensorFlow-book: 深度学习入门开源书，基于TensorFlow 2.0案例实战。Open source Deep Learning book, based on TensorFlow 2.0 framework.

参考b站视频：

https://www.bilibili.com/video/BV1Kg4y1Z73F?vd_source=1e42ca0f687a9516a840096feaeaa18e

然后为什么视频和教程里面，这里是为什么要选择tensorflow 2.1这个版本的原因:

我在下面这篇博客中找到了答案，有兴趣的可以看一下：

配置Tensorflow使用CUDA进行GPU加速(超详细教程)_tensorflow cuda-CSDN博客

然后这里讲一下tensorflow这个版本要求是很严格的，并不像pytorch那样子版本兼容性很高

环境搭建遇到的问题：

我是跟着上面b站那个视频安装的，他们跟着安装就行，但是有问题的点我在下面会写：

（1）annaconda环境问题，anaconda安装环境的问题，tensorflow一直找不到2.1的包，无奈之下找了很多方法去搭建但是还是失败，我重新安装了win10虚拟机，我担心之前的win10因为配置多用户acl的问题导致环境问题。

如何下载带有Python3.7的Anaconda3版本_anaconda3.7-CSDN博客

项目首页 - anaconda-version-map - GitCode

在我回溯的时候，发现虽然我的anaconda是3.7版本的，但是跟教程视频的不一样，没办法，我们完全一样试一下，教程上是2019.10那个版本，我们去找到

Index of / (anaconda.com)

前面这些都可以了，但是到安装tensorflow，在python中验证又出发了问题，貌似在安装2.1版本的时候，有些缺失了。我在想是不是换源后的tensorflow包的问题？于是我尝试直接安装，不换源

不换源直接gg，换源路还是gg

TypeError: Descriptors cannot not be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower). 安装tensorflow==2.1版本显示

protobuf这个库的问题

这里解决方法是：

对于我们前面装好的东西，全部卸载掉，不选择pip安装

选择conda install tensorflow然后就解决问题了。

就是tensorflow不要用pip去安装！

（2）pycharm找不到conda的python.exe问题：

解决的方式也是非常的奇特，参考这篇博客：

pycharm配置anaconda环境时找不到python.exe解决办法_anaconda 环境 tools 没有python.exe-CSDN博客

(3)GPU的问题

按道理来说，你应该是可以在虚拟机上面安装好cudatoolkit和cudnn这些东西的，但是当你测试下面这段代码的时候：

测试代码:

import tensorflou as tf



tensorflow_version=tf.__version__



gpu_available=tf.test.is_gpu_available()



print("tensorflow_version:",tensorflow_version,"gpu_available:",gpu_available)



a=tf.constant([1.0,2.0], name="a")

b=tf.constant([1.0,2.0], name="b")



result=tf.add(a,b,name="add")



print(result)

你得到的gpu_available的值为false，也就是说这个gpu没用上，emmm，具体我在网上试过很多解决方法，但是依旧没有成功，然后有一篇博客是这样子说的：

虚拟机上无法安装tensorflow-GPU版本_ubuntu 虚拟环境安装 tensorflow gpu 安装测试不成功-CSDN博客

我觉得这里实在不行就用Docker，或者直接就在宿主机上搭建就行。