Windows环境下Tensorflow-GPU环境配置

Windows环境下TensorFlow-gpu的配置

​ 从此开启深度学习之旅。

Anaconda安装

通过安装Anaconda软件，可以同时获得Python解释器、包管理和虚拟环境等一系列便捷功能。

下载地址：

www.anaconda.com/

Windows下载地址：

www.anaconda.com/products/in…

设置路径

添加到环境变量，设置Python版本

检查安装成功与否

Win+R打开运行程序，输入cmd回车进入命令行程序，输入

conda list

回车,出现以下结果，说明安装成功。

如果没有出现以上结果，说明安装有误，需要重新安装。

CUD安装

CUDA安装

下载地址：

https://developer.nvidia.com/cuda-downloads

设置安装路径并安装

安装完成后，在命令行输入

nvcc-V

执行出现以下结果，说明安装成功。

cuDNN神经网络加速库安装

​ CUDA并不是针对神经网络专门的GPU加速库，它面向各种需要并行计算的应用设计。如果希望针对神经网络应用加速，需要额外安装cuDNN库。粗DNN并不是运行程序，只需要下载解压并配置Path环境变量即可。

下载地址：

https://developer.nvidia.com/cudnn

• 将下载后的文件解压重命名后放到CUDA安装路径下：

• 配置Path环境变量：

TensorFlow安装

​ 根据计算机是否具有NVIDIA GPU显卡来确定安装性能更强的GPU版本还是性能一般的CPU版本。

使用国内的pip源安装

	pip install -U tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

U参数指定如果已经安装此包，则执行升级命令

（命令行的执行使用管理员的方式）

检查安装成功与否

命令行输出python启动python环境，输入

import tensorflow as tf

回车没报错的话说明安装成功

继续检查GPU是否可用

tf.test.is_gpu_available()

或者使用

tf.config.list_physical_devices('GPU')

列出GPU

安装成功时返回True，否返回False，需要再次加测CUDA、cuDNN、环境变量等步骤。

CPU版本的安装

pip install -U tensorflow -cpu -i https://pypi.tuna.tsinghua.ed.cn/simple

安装成功后可以使用

tf.__version__

查看TensorFlow版本

极简版安装方式

#创建名为tf2的虚拟环境，并根据预设环境名tensorflow-gpu

#自动安装CUDA，cuDNN，TensorFlow GPU等

conda create -n tf  tensorflow – gpu

#激活ft2虚拟环境

conda activate tf2

到此，在Windows操作系统下的TensorFlow的GPU版本就配置好了。