Top12：Windows下同时安装tensorflow-gpu1.X版本和tensorflowgpu2.X版本

注意：显卡算力低于3.5，tensorflow会忽略gpu加速

NVIDIA官方查找GPU算力的网址：https://developer.nvidia.com/cuda-gpus

前言

如题 本篇是介绍如何在Windows10系统下让 tensorflow-gpu1.X 版本和 tensorflow-gpu2.X 版本共存，且可以满足日常训练

首先我们要把需要用到的软件下载好，在这一步需要注意，软件并不是最新版就是最好的，而是需要挑选相对稳定的，相互冲突少的。

需要用到的软件：
1. Anaconda3.x 官网链接
2. PyCharm 官网链接
3. cuda10.0 官网链接
4.cudnn7.4（对应cuda10.0）官网链接

下载好相应软件后，就可以进入到正题了

1. 配置环境

1.1 安装Anaconda

安装之前需要把杀软关闭，目的是为了防止误报，或者拦截安装包，导致安装不完整
暂时略，后续补充

1.2 安装PyCharm

暂时略，后续补充

1.3 新建Anaconda虚拟环境

依次打开 开始菜单 – Anaconda3 – Anaconda Prompt

查看当前系统下所有conda环境

conda env list

创建环境

conda create -n your_env_name python=3.6

注：your_env_name 自定义环境名 python=3.6 指定当前环境的python版本

删除环境

conda remove -n your_env_name --all

退出当前环境

conda deactivate

激活环境

activate your_env_name

2. 配置cuda&cudnn

测试

接下来可以测试一下是否安装成功，打开cmd，切换到安装目录下的 demo_suite 文件夹下，默认路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
分别执行 bandwidthTest.exe 和 deviceQuery.exe
得到如下图片中的两个结果：Result=PASS

3. 配置tensorflow-gpu1.X

在本文中以 tensorflow-gpu 1.13 版本为例

3.1安装tensorflow-gpu 1.13

安装方式有多种，可以使用pip，也可以使用conda
pip安装命令

pip install tensorflow-gpu==1.13.1

conda安装命令

conda install tensorflow-gpu==1.13.1

如果安装速度过慢，可以尝试着 切换网络 或者 切换国内镜像源，教程：
https://blog.csdn.net/qq_43457383/article/details/108248046

3.2测试

如无报错出现 并最后出现Successfully即说明安装成功
接着就可以运行一段代码来测试一下是否可以正常运行

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
with tf.Session() as sess:
    print(sess.run(hello))
    print(tf.__version__)

运行结果会输出现在使用的版本号

4. 配置tensorflow-gpu2.X

注：由于tensorflow-gpu2.0以后的版本对python3.6的支持并不是多么友好，所以这里创建python3.7的conda环境。
步骤和之前新建anaconda虚拟环境一样，只是更改个名字就好，这里就不再过多叙述了。

这是我这里的配置好的截图

conda环境创建好后，可能涉及到一个默认环境的情况，可以参考这里
conda默认指定环境