Windows10 64位下TensorFlow安装记录

1 确定电脑型号

  电脑型号：微星(MSI)GL62VR 7RFX-848CN
  系统：Windows10 64位
  处理器：英特尔 Core i7-7700HQ
  内存：16GB(8G+8G) (三星 DDR4 2400MHz)
  显卡：英伟达Nvidia GeForce GTX 1060 6GB

Anaconda版本：Anaconda3-5.2.0-Windows-x86_64.exe
python版本：python 3.6.5

2 确定CUDA版本

  打开英伟达控制面板

  查看显卡支持的CUDA版本，GTX1060支持CUDA 9.0

Win10上搭建TensorFlow的开发环境需要至少需要安装3个软件，分别为：1.python，2.CUDA和CuDNN，3.TensorFlow（GPU版）。安装前一定要确认好每个软件的版本是否相互支持。

3 安装Anaconda

  Anaconda包含了conda、Python等180多个科学包及其依赖项，能够避免很多依赖问题，功能十分强大。
  Anaconda下载地址：https://www.anaconda.com/download/

4 TensorFlow安装前准备

参考：https://blog.csdn.net/u010099080/article/details/53418159
  TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用 pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 CUDA 和 cuDNN。

1. 在这里确认你的显卡支持 CUDA。
2. 确保你的 Python 版本是 3.5 64 位及以上。（TensorFlow 从 1.2 开始支持 Python 3.6，之前的官方是不支持的）
3. 确保你有稳定的网络连接。
4. 确保你的 pip 版本 >= 8.1。Windows10一般最开始pip版本在10以上，pip版本更新到最新可以到19版本。用 pip -V或pip --version查看当前 pip 版本，用 python -m pip install -U pip或python -m pip install --upgrade pip升级pip 。

  以上条件符合，那么恭喜你可以开始下载CUDA 和cuDNN 的安装包了，注意版本号会由于 TensorFlow 不同版本有变化，此处请结合下面的安装CUDA和安装cuDNN说明）。

5 使用Anaconda虚拟一个TensorFlow环境

  Anaconda软件安装完成后，打开Anaconda Prompt命令行工具。

1. 检查安装是否安装成功：conda --version或conda -V
   
2. 检查目前的安装环境：conda info --envs
   
     在没有虚拟出新的环境之前，只有一个base环境，在D:\ProgramData\Anaconda3下。
3. 检查目前有哪些版本的python可以安装：conda search --full-name python
   一般能够显示出从python2到python3很多版本。
4. 选择一个python版本安装（这里选择python3.5版本）：conda create --name tensorflow python=3.5
   
     可以看到，默认安装的是python3.5.6版本和一些需要用到的包，输入y，回车后联网下载安装。
   

# To activate this environment, use
# 要激活此环境，请使用
#     $ conda activate tensorflow
#
# To deactivate an active environment, use
# 要停用活动环境，请使用
#     $ conda deactivate

  在路径之前，可以看到，执行了conda activate tensorflow虚拟环境由base转成了tensorflow
  使用pip list查看当前tensorflow虚拟环境下安装的包。
  也可以指定python3.5.2版本，使用： conda create --name tensorflow python=3.5
输入python，进入python环境，可以看到，虚拟的python环境为python 3.5.6

6 安装 CUDA

  参考网址：https://blog.csdn.net/weixin_39290638/article/details/80045236

由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的，所以如果我们已经安装了nvidia显卡驱动（很显然，大部分人都安装了），再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法正常使用，这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以务必要删除电脑先前的显卡驱动。

  CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。在安装之前要查询下最新TensorFLow发行版支持到了哪个版本。笔者在安装TensorFLow时，CUDA已经到了9.1版本，但是TensorFLow1.7只支持到9.0版。另外，也要确认CUDA版本是否支持自己的显卡。笔者电脑的MX150只有CUDA9.0及以上的版本才支持。基于以上两个条件，笔者选择了CUDA9.0，并下载了对应的CuDNN版本。另外，笔者在后续的编程中发现tensorflow1.7只支持7.0的CuDNN。

1）GPU计算英伟达大多数显卡都支持，只不过计算能力不同。
显卡型号支持查询网址：https://developer.nvidia.com/cuda-gpus

GTX 1060属于GeForce系列，所以点击该链接。

可以看到笔记本电脑的支持型号和计算能力。

2）不同版本CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

GTX1060 显卡目前最高支持CUDA 9.2
网址：https://developer.nvidia.com/cuda-92-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

进入网址后选择系统平台Windows，系统版本windows10和本地local exe安装包。
下载后该文件可能在win10下不能打开，需要修改该文件的文件名，在文件名称后面加上.exe变成exe安装文件，然后再双击文件进入安装界面。

安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。
在选项着一栏选择自定义，否则安装程序会一股脑把里面所有软件包都给你装上。

在选择安装项时一般不安装GeForce Experience，CUDA是核心组件必须勾上，剩下两个选项的当前版本如果比新版本低的话也可以勾选上。接着点击下一步就开始安装了。

选择安装位置，这里我没有修改。

最后提示要安装VS，我没有管，直接勾了。

VS网址：https://visualstudio.microsoft.com/zh-hans/

然后结束。

安装过程屏幕可能会闪烁，不要紧，而且安装时间有点长。
安装完之后系统变量会自动为你添加上，这个不用管。
测试一下是否安装成功，命令行输入 nvcc -V ，看到版本信息就表示安装成功了。

8 安装cuDNN

cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download
（下载CuDNN需要注册账号，注册过程比较简单）

下载得到：cudnn-9.2-windows10-x64-v7.6.0.64.zip，其实是一个压缩包，解压放到任何一个目录下就行，然后把其中的bin目录路径添加到Path环境变量里。
把压缩包解压放在D:\ProgramData\cudnn-9.2-windows10-x64-v7.6.0.64\cuda下

将D:\ProgramData\cudnn-9.2-windows10-x64-v7.6.0.64\cuda\bin路径添加到环境变量，cuDNN应该就配置成功了。

9 安装TensorFlow

tensorflow、CUDA和cuDNN之间的对应关系：https://www.tensorflow.org/install/source
Windows系统

conda search --full-name tensorflow-gpu

  由于Google已经把TensorFlow打成了一个pip安装包，所以现在可以用正常安装包的方式安装TensorFlow了，就是进入命令行执行下面这一条简单的语句：

# GPU版本
pip3 install --upgrade tensorflow-gpu

# CPU版本
pip3 install --upgrade tensorflow

使用这两个语句带有--upgrade会自动升级到最新的tensorflow，可是有时候显卡的CUDA不支持最新tensorflow，所以这是一个坑。
使用pip install tensorflow-gpu--1.12.0安装

然后就开始安装了，速度视网速而定。

9 卸载TensorFlow

在安装tensorflow-gpu时的截图，复制自：https://www.cnblogs.com/guoyaohua/p/9265268.html

可以看到安装的包有：

tensorflow-gpu
wheel
numpy
tensorboard
protobuf
termcolor
absl-py
gast
grpcio
six
astor
markdown
werkzeug
bleach
html5lib
setuptools

参考：https://blog.csdn.net/leitouguan8655/article/details/82897525
在Anaconda Prompt用python的pip可以安装特定版本的tensorflow，如：

pip install tensorflow-gpu==1.12.0

卸载特定版本的tensorflow，如：

pip uninstall tensorflow-gpu==1.12.0

升级到最新：
GPU版本：

pip install --upgrade tensorflow-gpu

CPU版本：

pip install--upgrade tensorflow

如何查看当前tensorflow版本：

python
import tensorflow as tf
tf.__version__

如何查看当前tensorflow的安装路径：

tf.__path__

CPU版本tensorflow安装

1 使用Anaconda虚拟一个TensorFlow环境

  Anaconda软件安装完成后，打开Anaconda Prompt命令行工具。

1. 检查conda安装是否安装成功：conda --version或者conda -V
   
2. 检查目前的安装环境：conda info --envs
   
     在没有虚拟出新的环境之前，只有一个base环境，在D:\ProgramData\Anaconda3下。
3. 检查目前有哪些版本的python可以安装：conda search --full-name python
   一般能够显示出从python2.6.8-python2.7.16到python3.3.0-python3.7.7很多版本。
4. 选择一个python版本安装（这里选择python3.6.0版本）：conda create --name tensorflow python=3.6.0会安装

certifi
pip
python
setuptools
whell
wincertstore

等package。
  在显示提示信息后，输入y确认安装则开始联网安装以上package。
  安装完成后显示提示

# To activate this environment, use
# 要激活此环境，请使用
#     $ conda activate tensorflow
#
# To deactivate an active environment, use
# 要停用活动环境，请使用
#     $ conda deactivate

  激活环境时显示如下：

  在路径之前，可以看到，执行了conda activate tensorflow虚拟环境由base转成了tensorflow
  使用pip list查看当前tensorflow虚拟环境下安装的包。
  也可以指定其他python版本，使用： conda create --name tensorflow python=3.x.x
输入python，进入python环境，可以看到，虚拟的python环境为python 3.6.0
[外链图片转存失败(img-BrjcmFgC-1567960241052)(htt]

2 安装tensorflow CPU版本

  先使用

conda activate tensorflow

  命令进入虚拟的tensorflow环境
  输入

pip install tensorflow  # 安装默认版本的tensorflow，一般版本较高

  

pip install tensorflow==1.12.0  # 安装指定版本的tensorflow

  安装CPU版本的tensorflow及其附带的包
  等待安装完成后进入python交互环境中输入import tensorflow不会报错。

3 报错的解决办法

3.1 protobuf包版本过高问题

  如果发现导入时报错，报错内容显示有关protobuf包的内容，则可能是自动安装protobuf包时版本过高导致的，笔者最开始就遇到了这个问题。tensorflow版本1.13.1，protobuf版本3.8.0。

解决方法：在虚拟的tensorflow环境下，先卸载protobuf包

pip uninstall protobuf

  将高版本的卸载。
  安装低版本的

pip install protobuf==3.6.0

  安装成功后会发现系统报错，要求在protobuf3.6.1版本以上能使用，但是这是个坑，安装protobuf3.6.1不行，protobuf3.6.0可以。

接下来导入tensorflow正常。
  以下是我在使用python3.6.0虚拟tensorflow环境后，安装tensorflow后所有包的情况。

3.2 tensorflow版本问题

  转自：https://blog.csdn.net/Fourierrr_/article/details/79749899
  原文地址：https://stackoverflow.com/questions/47068709/your-cpu-supports-instructions-that-this-tensorflow-binary-was-not-compiled-to-u?answertab=votes#tab-top
  使用TensorFlow模块时，弹出错误：
  Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
  笔者遇到的是如下错误：
  Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

emsp; 原因是下载TensorFlow的版本不支持cpu的AVX2编译（我的tensorflow是使用pip install tensorflow==1.12.0安装指定1.12.0版本的tensorflow）。

  可能是因为安装时使用的pip install tensorflow ，这样默认会下载X86_64的SIMD版本。

  有两种解决办法：
  1.忽略这个警告，不看它！

import os  
os.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 这是默认的显示等级，显示所有信息  
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error   
os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error

参考：https://blog.csdn.net/hq86937375/article/details/79696023
emsp; 一般使用下边这两行代码即可。

import os 
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 

  2.彻底解决，换成支持cpu用AVX2编译的TensorFlow版本。
  首先，卸载原来版本的TensorFlow

pip uninstall tensorflow

  完成后可以用pip list查看一下所有库，检查是否成功卸载。

  然后去github下载正确的tensorflow版本，Windows点这里下载。其他操作系统可以点这里找到对应的版本。

  笔者用的win10、python3.6、tensorflow1.12.0（与CUDA9.2版本相关），所以选择如下图：

  具体网址：https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.12.0/py36/CPU/avx2

下载后在tensorflow虚拟环境（不是base）下，使用**pip install +路径将whl文件安装，比如：

pip install F:tensorflow-1.12.0-cp36-cp36m-win_amd64.whl

成功安装本地刚才下载的tensorflow后，发现protobuf包又自动更新成了3.8.0版本。
还是和之前一样，卸载protobuf，安装3.6.0版本的，命令如下。

pip uninstall protobuf
pip install protobuf==3.6.0

再次运行TensorFlow就不会报错啦~

再虚拟一个环境名为tensorflow-gpu