Windows7下使用Miniconda3进行TensorFlow环境搭建

硬件环境：Windows 7 旗舰版

软件环境：Miniconda3

 

首先：打开Anaconda Prompt（Miniconda3），输入"conda   env    list"   显示所有环境

其次：输入"conda   create   -n   tensorflow1.13_gpu   python=3.6"    回车

其次：输入"conda   activate   tensorflow1.13_gpu"   回车

其次：输入"conda   install   cudatoolkit=9 "   回车

其次：输入"conda   install   cudnn=7"   回车

其次：输入"conda   install   tensorflow-gpu=1.13"   回车

以上就完成了Windows7下使用Miniconda进行TensorFlow环境搭建，其中，TensorFlow的版本号、cudatoolkit的版本号和cudnn的版本号可根据下图对照安装，其中需要注意的是要检查本机英伟达显卡的驱动版本号，根据NVIDIA驱动版本号选择相应的cudatoolkit版本，具体可参考：https://mp.csdn.net/postedit/103615771

 

                 下图是Windows 7 下TensorFlow的CPU安装对照表：

                                                                                                

                  下图是 Windows 7 下TensorFlow的GPU安装对照表：                                                                                                                   

 

对于以上环境，已经可以完成基本的TensorFlow功能

测试，环境搭建是否成功！

首先： 输入"python"   回车

其次：输入"import   tensorflow   as tf"   回车

注意，此时可能会报错,如图所示：

                 

这是由于numpy版本太高所致，只需要删除numpy再安装低版本的numpy即可解决，具体步骤如下所示：

首先：退出python："exit()"   回车

其次：删除numpy版本："conda   uninstall   numpy"   回车

其次：安装低版本numpy："conda   install   numpy=1.16"   回车

由于此时删除numpy后也删除了TensorFlow的依赖项，因此还需要重新安装TensorFlow

即输入："conda   install   tensorflow-gpu=1.13"           问题即可解决

 

下面继续TensorFlow环境测试：

输入："python"    回车

输入："import   tensorflow   as   tf"    回车

输入："hello   =   tf.constant("hello,tensorflow!")"    回车

输入："sess   =   tf.Session()"    回车

输入："print(sess.run(hello))"    回车

        输出为：b'Hello,Tensorflow!'

输入："sess.close()"   回车

测试完成！

 

 

为了更方便使用，还可以安装jupyter："conda   install   jupyter"   回车

接着再输入："conda   install   nb_conda"   回车

安装成功后，输入"jupyter   notebook"   回车   即可进入jupyter页面，方便使用

在jupyter中测试TensorFlow环境是否搭建成功：

输入：

    import   tensorflow   as   tf

    hello   =   tf.constant("hello,tensorflow!")

    sess   =   tf.Session()

    print(sess.run(hello))

        输出为：b'Hello,Tensorflow!'

 

 

Windows：https://tensorflow.google.cn/install/source_windows

 Linux：https://tensorflow.google.cn/install/source