深度学习TensorFlow开发环境搭建教程

1 下载安装Anaconda

1）百度搜索“Anaconda3”或直接访问官网下载，点击Download按钮。

Anaconda3最新版本是4.8.3，对应的Python版本是3.8。为了更好的兼容，不建议下载最新的Anaconda3版本。

2）官网下载太慢，选择国内镜像，通过日期找到所需的版本。

3）Windows-x86_64 表示64位的Windows系统，不要选错。如果不知道下载哪一版本，可以参考版本选择指南
博主选择的是 Anaconda3-2018.12-Windows-x86_64.exe，对应的 Python3.7.1

4）安装时勾选，添加环境命令；.

2 安装CUDA10

这部分仅针对NVIDIA显卡用户，满足安装GPU版本的TensorFlow才需要进行，若AMD显卡直接跳转到后面CPU版本的TensorFlow配置部分。

---

官网下载：

历史版本：

1、查看本机的CUDA驱动适配版本

桌面右键打开英伟达控制面板，点击帮助->系统信息->组件

这里本机支持 CUDA10.2.141 以下版本

或者cmd查看：nvidia-smi

博主选择下载了 10.0 版本（供参考）

 

2、C盘空间还够，所以直接装到C盘默认路径，方便以后好找
选择自定义安装，不需要的东西不予勾选。VS没有安装的话不勾选VS集成（否则会安装失败）。
CUDA的驱动版本低于当前，所以不勾选（否则可以勾选提升下驱动版本）

安装成功！

控制面板 > 程序 > 卸载程序，可以看到刚才安装的组件。

CMD命令查看是否安装成功：nvcc --version

 

2.1 cuDNN

官网下载：https://developer.nvidia.com/rdp/cudnn-archive

需要注册账号并登录才能下载，下载完毕后解压，将cuDNN压缩包内对应的文件复制到[CUDA安装路径](C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0)的 bin、include、lib目录。

2.2 添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

3 TensorFlow安装

3.1 CPU版本TensorFlow

1. 检查Anaconda是否安装成功：conda --version
   

2. 检测目前安装了哪些环境：conda info --envs
   

3. 检查目前有哪些版本的python可以安装：conda search --full-name python

4. 安装不同版本的python：conda create --name tensorflow python=3.5.2

   使用清华镜像，进入Anaconda Prompt（win左下角搜索即可找到），输入命令：

# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
 
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

然后再输入：conda create -n tensorflow python=3.5.2

安装完成

5. 切换新环境：conda activate tensorflow
   

6. 安装CPU版本的TensorFlow，输入：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow==1.2.0
   
   

7. 更新pip，使用镜像：python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
   

8. 测试：首先键入 python，然后输入 import tensorflow as tf
   第一次产生警告，再输入一次正常（如果尝试不行再根据报错百度）
   

CPU版本成功后，再来装一个 GPU 版本

 

3.2 GPU版本TensorFlow

1. 创建环境：conda create --name tensorflow-gpu python=3.7.1

2. 检测目前安装了哪些环境：conda info --envs
   

3. 激活环境：conda activate tensorflow-gpu

4. 更新pip：python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

5. 下载GPU版本的TensorFlow：pip install --ignore-installed --upgrade tensorflow-gpu

   阿里云 http://mirrors.aliyun.com/pypi/simple/
   清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
   中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
   豆瓣(douban) http://pypi.douban.com/simple/

   使用镜像：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==2.0.0
   

6. 安装cuda： pip install cudatoolkit=10.0.130

7. 安装cudnn：pip install cudnn=7.6.5

8. 查看当前环境下已安装的包：conda list