![9ec66023cd7a88d789cf63d5cc060da1.png](https://img-blog.csdnimg.cn/img_convert/9ec66023cd7a88d789cf63d5cc060da1.png)
一、前言
安装时,很多人的习惯的是接近硬体的开始安装,顺序会是GPU driver→CUDA Toolkit→cuDNN→Python→Tensorflow。个人觉得这种安装方法不是很好,原因有以下,首先是这种安装比较麻烦,需要我们自己去选择相对应的cuDNN和CUDA Toolkit,其次是这种安装方式不利于我们多环境下的开发(比如我们在anaconda下有多种环境需要安装不同的tensorflow-gpu版本)。我们把这种统一安装1组CUDA toolkit与1组CUDNN的版本,根据这样的组合再去安装Tensorflow的安装称为"全域式"的安装;但是我们这里使用Anaconda为基础进行安装。Anaconda带来的好处是可以建立不同的环境,安装不同版本的Tensorflow与相容的合的CUDA Toolkit、CUDNN,这种"区域式"的安装可以因应与不同团队合作下使用不同python, Tensorflow版本的需求。
本文章转自本人博客。https://blog.csdn.net/Fhujinwu
二、本机设备配置
1.系统:Windows10 家庭版
2.GPU:NVDIA GeForce GTX 960M
3.python版本:3.6(本人anaconda的python版本)
三、安装步骤
(一)查看电脑GPU并安装驱动
1、安装tensorflow-GPU的前提是你的电脑具有英伟达的GPU,否则你就不用进行以下操作了,这个是前提,那我们怎么知道自己电脑有没有GPU呢。具体操作步骤:鼠标右击此电脑→单击属性→单击设备管理→点击展开显示设备器查看是否有GPU。
![68e45676ca964c5b8e5c7bdfb465d386.png](https://img-blog.csdnimg.cn/img_convert/68e45676ca964c5b8e5c7bdfb465d386.png)
2、接着我们就需要请至Nvidia官网查看你的GPU性能,因为tensorflow-gpu对CUDA的计算力是有个最低要求的。进入官网后,可以根据自己的GPU信号进行查看。如图所示:
- Tensorflow-gpu < 2.0, CUDA compute Capability 3.0
- Tensorflow-gpu >=2.0, CUDA compute Capability 3.5
![8f1cdb4fe1b97cd44ccbad28d078b95d.png](https://img-blog.csdnimg.cn/img_convert/8f1cdb4fe1b97cd44ccbad28d078b95d.png)
3、查看合适的GPU驱动。 首先我们电脑基本是安装了GPU驱动的(可能有些新电脑呢没有安装),不管有没有安装啦,我们先看看要装什么版本的GPU的驱动合适,最新的?不一定,贪心(新)可没好事,懂得都懂好吧。首先我们先看看tensorflow-gpu对CUDA Toolkit、CUDNN的版本要求。如图所示:
tensorflow-gpu与CUDA Toolkit的对应关系:https://tensorflow.google.cn/install/source_windows
CUDA Toolkit与GPU驱动的对应关系:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
![0b40650b555cb5802400d05bd7a63c0d.png](https://img-blog.csdnimg.cn/img_convert/0b40650b555cb5802400d05bd7a63c0d.png)
![6bc4a6c1b6a3ca31c4dd7462f45d11e2.png](https://img-blog.csdnimg.cn/img_convert/6bc4a6c1b6a3ca31c4dd7462f45d11e2.png)
4、下载按照驱动。然后我们根据需求到网站进行下载最新驱动,或者到网站查找旧版本的驱动,然后进行安装。
![b7c4fffb2508ff7f1d65f6c368e2b98a.png](https://img-blog.csdnimg.cn/img_convert/b7c4fffb2508ff7f1d65f6c368e2b98a.png)
![dd41dd9f3079d558f36097013e07f6d1.png](https://img-blog.csdnimg.cn/img_convert/dd41dd9f3079d558f36097013e07f6d1.png)
(二)下载安装Anaconda
1、查看tensorflow-GPU与python版本的对应关系, (个人建议使用python3.6或者python3.7)
2、请到官网根据自己的系统下载安装anaconda。
![563086e4e7d70f5f28ecc4cc4a1bcd02.png](https://img-blog.csdnimg.cn/img_convert/563086e4e7d70f5f28ecc4cc4a1bcd02.png)
3、如果你们不想使用那么高版本的python的话,这里有两种方法,一种是去清华镜像等地方下载旧版本的Anaconda,第二种方法就是先安装最新版的Anaconda,然后再安装我之前发表过的博客进行降低python版本的操作。 不同版本anaconda对应的python版本可以参照博客。
4、安装步骤就是正常软件的安装,不过有个需要注意的就是安装时建议选择将anaconda加入环境变数,若不选择,在命令提示字元中无法直接使用conda指令,需开启anaconda prompt中才能执行conda相关指令。
(三)在anaconda下新建一个环境
1、打开Anaconda navigator
![e4423dd073d64ee9dd1c819c752bf403.png](https://img-blog.csdnimg.cn/img_convert/e4423dd073d64ee9dd1c819c752bf403.png)
2、新建一个python虚拟环境(时间可以比较长)
![1da4a3ec9892f53f72606f05d98f467c.png](https://img-blog.csdnimg.cn/img_convert/1da4a3ec9892f53f72606f05d98f467c.png)
3、打开该环境下的Terminat窗口。
![eac8765687d6f5c8de314ed52d636393.png](https://img-blog.csdnimg.cn/img_convert/eac8765687d6f5c8de314ed52d636393.png)
4、由于我们在国内,所以直接pip和anaconda的话速度是比较慢的,所以我们安装包的时候一般都要添加下国内的镜像,我这里添加和使用的都是清华的镜像。方法如下:
conda源更改:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ (回车)
conda config --set show_channel_urls yes(回车)
pip源的话:
pip 后加参数 -i https://pypi.tuna.tsinghua.edu.cn/simple
例:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
5、 安装tensorflow-gpu 2.1版本
conda install tensorflow-gpu=2.1
![1b29269dcac60e86ee6da62ffbdb753f.png](https://img-blog.csdnimg.cn/img_convert/1b29269dcac60e86ee6da62ffbdb753f.png)
6、点击y,会自动安装匹配的CUDA Toolkit、CUDNN
![1abcd6a4479a18a899293c825665faca.png](https://img-blog.csdnimg.cn/img_convert/1abcd6a4479a18a899293c825665faca.png)
7、 验证是否安装成功,如果出现gpu的相关内容,则成功。
import tensorflow as tf
tf.compat.v1.disable_eager_execution() sess = tf.compat.v1.Session()
![bcf8f0a090a21be9f80fba86a6ca25a7.png](https://img-blog.csdnimg.cn/img_convert/bcf8f0a090a21be9f80fba86a6ca25a7.png)
四、下载pycharm并配置anaconda环境
(一)下载pycharm
pycharm直接官网下载社区版即可,安装过程中没有特别要注意的。
![962e82f3a9dcd7a942636c42e06e3349.png](https://img-blog.csdnimg.cn/img_convert/962e82f3a9dcd7a942636c42e06e3349.png)
(二)配置anaconda环境
配置anaconda环境可以参考我之前写过的博客:https://blog.csdn.net/Fhujinwu/article/details/85785859