深度学习环境配置(二) Anaconda下配置tensorflow-gpu

为什么要用Anaconda:
Anaconda可以便捷获取包且对包能够进行管理，能同时鼓管理多个环境,此外,Anaconda还包含了numpy、scipy在内的超过180个科学包及其依赖项.

conda命令

管理Python包

1. 安装一个包：

conda install package_name

2. 移除一个包：

conda remove package_name

3. 升级包版本：

conda update package_name

4. 查看所有的包：

conda list

5. 更新所有包

conda update --all

6. 本地安装包

conda install --use-local D:\XXX.tar.bz2
#pip本地安装
pip install D:\XXX.whl

管理Python环境

1. 创建一个新环境：

conda create -n env_name list of packages

2. 删除名为env_name的环境：

conda env remove -n env_name

3. 显示所有的环境：

conda env list

4. 进入名为env_name的环境：

conda activate env_name

5. 退出当前环境：

conda deactivate

6. 环境改名(先clone再删除)

conda create -n TF2.3 --clone TF2.1
conda remove -n TF2.1 --all

Anaconda下安装TensorFlow

0. 安装gpu版tensorflow前要先安装CUDA和cuDNN,详见:
   深度学习环境配置(一) 安装CUDA和cuDNN;
1. 下载安装Anaconda: 略;
2. 在开始菜单打开’Anaconda Prompt’,进行以下操作:
3. 换源(中科大源)

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

#切换回默认源:
conda config --remove-key channels
#或直接删除.condarc文件

4. 创建新环境

conda create -n TensorFlow python=3.6

5. 进入环境

conda activate TensorFlow

6. 安装工具包(如果安装tensorflow2.0、2.1则会自动安装工具包,不必进行此步)

conda install cudatoolkit=9.0
conda install cudnn=7.1.4

如果conda install找不到包,可到https://repo.anaconda.com/pkgs/下载后本地安装.

7. 安装 tensorflow-gpu

conda install tensorflow-gpu=1.12

8. 验证:

import tensorflow as tf
print(tf.test.is_gpu_available())

结果为True则安装成功:

其他

• 如果安装tensorflow-gpu后报错AttributeError: module 'tensorflow' has no attribute 'compat' when importing tensorflow
  则重新安装对应版本的 tensorflow-estimator 即可:

conda install tensorflow-estimator==2.0.0

• 若只安装cpu版本:

conda install tensorflow=2.0

• 如果pip安装(豆瓣源):

python -m pip install tensorflow-gpu==2.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

• 若要升级pip:

python -m pip install --upgrade pip