[环境配置]Win10+GTX1060+TensorFlow1.14+CUDA10+cudnn7.6.5+VS2017+Anacoda3

继上篇博客,我成功打算降级TensorFlow了,应为大多数模型用的是TensorFlow1,TensorFlow2运行要改的地方大多了.
上篇博客地址[环境配置]Win10+GTX1060+Anaconda+CUDA +cuDNN+TensorFlow

1 卸载环境

之前安装过Anacoda3,Anacoda与python的版本有关,我就是使用python3.6就不用卸载Anacoda,那么 TensorFlow, CUDA,VS都需要被卸载.

1.1 卸载TensorFlow

使用下面命令

pip uninstall tensorflow

报错

WARNING: Skipping tensorflow as it is not installed.

因为我安装的是TensorFlow-gpu
解决方法：

检查拼写错误,没有错误后 输入pip list 查看pip安装的列表 然后按照列表中的名字进行卸载.
使用下面命令卸载

pip uninstall tensorflow-gpu

卸载成功

安装安装tensoflow-gpu
打开Anaconda prompt,创建tensorflow环境，命令：

conda create -n tensorflow python=3.6

使用conda info -envs查看一下刚刚创建的tensorflow环境
应该可以看到一个base，一个tensorflow（在anaconda3\envs中）

使用activate tensorflow激活tensorflow环境，这样就从base中切换到tensorflow中了，命令行的提示会相应更改。
此时在tensorflow的环境下安装tensorflow-gpu 1.14.0，因为网络可能较慢，这里选择换源下载，代码如下：

pip install --ignore-installed --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0 

CUDA10.0.13
cudnn7.6.5

1.2 卸载CUDA11

与CUDA有关的都卸载干净,只留下下图的三个就行.

或者下图4个也行

1.3 卸载vs2019

2 安装

需要安装的有TensorFlow1.14+CUDA10+cudnn7.6.5+VS2017

2.1 安装vs2017

VS2017下载地址vs2017

配置环境变量
之前都配置过环境变量,但是这次更改发现,不用配置VS2017也行.那这次就不配置环境变量.

2.2 安装cuda10

CUDA10下载CUDA10.0.13

自定义安装下面就一路点下一步

不用勾选
添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include #这个可以不用添加

CUDA的验证可以参考我上篇博客.我就不重复写,链接在文章最前面.

2.3 安装cudnn

下载CUDA10对应的cuDNN cudnn7.6.5 解压

复制上面三个文件到CUDA目录下

2.4 安装TensorFlow

安装tensoflow-gpu
打开Anaconda prompt,创建tensorflow环境，命令：

conda create -n tensorflow python=3.6

使用conda info -envs查看一下刚刚创建的tensorflow环境
应该可以看到一个base，一个tensorflow（在anaconda3\envs中）

使用activate tensorflow激活tensorflow环境，这样就从base中切换到tensorflow中了，命令行的提示会相应更改。
此时在tensorflow的环境下安装tensorflow-gpu 1.14.0，因为网络可能较慢，这里选择换源下载，代码如下：

pip install --ignore-installed --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0 

验证TensorFlow

import tensorflow as tf
hello = tf.constant('hello')
ses = tf.Session()

结果为上图就成功了.