Conda安装Tensorflow2.0

项目场景：

提示：这里简述项目相关背景：

Windows安装的Anaconda，利用Anaconda的Anaconda Powershell Prompt安装tensorflow2.0

---

问题描述

利用Anaconda学习python已经很久了，但是一直没有太搞清楚怎么用Anaconda安装python包，这次借安装Tensorflow2.0完全搞清楚了。

---

解决方案：

1. 首先要找到Anaconda Powershell Prompt


2. 为了使安装包速度更快，这里要改下源文件.condarc，我的源文件目录在：C:\Users\Administrator\ .condarc，如果没有.condarc文件，就cmd打开操作台，输入：conda config --set show_channel_urls yes
把里面的内容改成以下即可：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true
ssl_verify: false

这里要注意一个问题，就是如果这里的- defaults保留的话，当卸载包命令conda uninstall 包名的时候，很容易出现卸载包会卡在solving environment上，所以如果要执行卸载包的命令的时候，最好把 - defaults删掉，再卸载包。如果要安装包的时候，就把- defaults添加回去就行了

在使用conda uninstall package_name 的时候会把其他依赖package_name的包给删了，为了不想把其他包删除掉，只删除特定包需要在指令后续加一个–force，例如我只想删除numpy，而不想删除其他依赖于numpy的包可使用以下命令：

conda uninstall numpy --force

2.1 这里还要补充一点，即为了后续pip 安装使用国内源，可在以下路径C:\Users\Administrator\AppData\Roaming\pip，如果在Roaming中没有pip文件夹，则自己新建pip文件夹，同时在文件夹中新建文件pip.ini，在文件中输入以下内容，后续pip就会使用国内源了，安装速度会很快。

[global]
timeout = 60000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn

3. 安装Tensorflow2.0
这步就比较简单了，当然前期准备工作要做好，我先前已经安装好了英伟达显卡驱动+CUDA+CUDNN，这个配置是：NVIDIA GTX 1080TI + Tensorflow1.14.0和2.1.0 + Cuda10.1.15 + python3.7 + VS2015 + cudnn7.6，这里我两个都试了一下Tensorflow1.14.0和2.1.0都可以

 (base) PS C:\Users\Administrator> conda install tensorflow-gpu=2.1.0

验证一下是否安装成功了可以执行以下代码：

import tensorflow as tf
import timeit
import os

with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

print('GPU', tf.test.is_gpu_available())

结果为以下内容就说明安装成功了，就可以学习Tensorflow2.0了