anaconda安装keras_Win10+cuda10.0+cudnn7.4+tensorflow-gpu1.14.0 安装笔记

Tensorflow是google开发的深度学习静态框架，广泛应用于CNN网络训练中

我安装的是师哥推荐的配置，以后走通了试试并行多套配置以适应不同的任务

系统：Win 10

显卡：RTX2080ti

CPU：Inter(R) Core(TM)i9-9900K CPU @ 3.60GHz

Anaconda3 + Cuda10.0 + Cudnn7.4.1 + tensorflow-gpu==1.14.0(需要镜像网站pip下载或本地下载)

安装步骤有以下几个步骤：

1.Anaconda安装

安装最近版本就可以了(Anaconda3)，他是一个集成的平台可以用来配置python环境,方便建立虚拟环境利用类似dos系统的Anaconda Prompt(anaconda3)；

网上有很多笔记，基本没有什么需要注意的，我按照默认位置建立cd：

C:UsersPCanaconda3

以后会经常进入C:UsersPCanaconda3bin的虚拟环境上，所以路径要记住。

配置环境变量：浏览(B):

浏览(B)路径为: C:UsersPCanaconda3Scripts(这里要看你自己的安装路径，没什么难度记住就好。)

检查是不是安装好了：

Win+R；输入cmd；键入：conda –version；

结果输出：conda +版本号，则安装成功！

安装成果：

从左到右为：

Anaconda3的编译器Spyder(我没有用过，就在验证后面安装结果的时候调试过，但就验证来说，第三个prompt也可以代替，所以基本没啥用)；

Anaconda Navigator，可以以窗口交互显示：虚拟环境和packages；查找和安装packages；

Anaconda Prompt(anaconda3)，以上所提到的功能都能实现并不止于此。

2.安装Cuda10.0

2.1下载资源

首先下载Cuda10.0，资源来自官网，其他途径尽量不要选。Cuda的安装为驱动安装，主要就是自主安装啦，需要注意的就是要选择安装路径和你需要的版本以及Cudnn与之对应例如(Cuda10.0+Cudnn7.4.1)：

网址：Cuda10.0: CUDA Toolkit 10.0 Archive | NVIDIA Developer

Cudnn7.4.1: cuDNN Archive | NVIDIA Developer (注意：下载Cudnn或者说英伟达显卡运算平台和深度学习的packages时要注册的，这个用邮箱就可以了，再写个调查问卷就好了不会花费太久，再说一遍版本一定要对应，Cuda10.0)

Installer Type 选哪一个都好，我不知道为什么，网上说的都行。

选对应Cudnn7.4.1 其他的和10.0的Cuda对应的我没试过(不敢也不想再试了呜呜呜呜)

2.2安装、配置Cuda10.0和解压Cudnn7.4.1

这是我的安装Cuda的路径，之前装过一次不知道装在哪里了，好像那个文件夹有隐藏，总之就是不方便(别问我不方便干嘛，当然是重装什么的麻烦事情了！烦死了，当然最主要的原因Cudnn是一个压缩包，需要将里面的对应文件复制到CUDA文件夹里对应的文件夹)

现在开始安装：

安装成功！

Cudann(这个是Cudann7.4.1下载好解压的文件，原来叫Cuda，我改了一下名字)

V10.0就是Cuda10.0了，下一步就是将Cudann里面的文件对应复制到v10.0的相应文件夹(共三个文件)

对应复制到：

到这里GPU的深度学习驱动算是安装好了，因为网上有好多人强调过配置环境变量的问题，我就打开环境变量看一下发现我的已经配置好了，不知道是安装时cuda自己配置的还是我之前配置的，总之环境变量与cuda有关的有三个，见下图：

如果检查发现没有这些环境变量的话自己配置一下，浏览位置：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0bin

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0libnvvp

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0libx64

顺序无所谓。

加上之间安装和配置好的Anaconda，进行tensorflow-gpu之旅就差构建虚拟环境了；

3.虚拟环境安装

这块是最折腾人的地方，之前安装成功以后觉得难也就是网速可能会导致安装失败，那么换了镜像网站就好（所以我的pip的下载地址就更换到清华镜像网站了）。但是，由于不明原因我调试代码几天以后我的tensorflow-gpu报错了，所以有了这次重装总结，经过将近一周的调整不断的debug不断的bug再不断的debug，终于，终于安装好了，测试了代码，可以正常调用gpu了，下面我就安装我成功安装的步骤直接走一遍：

3.1打开

键入：cd （Anaconda的路径）如cd C:UsersPCanaconda3bin

进入路径，对以后建立虚拟环境等操作方便，不加也行直接在默认空间也可以，但是还是建议在Anaconda的路径下，这样比较有条理（具体用处我现在还不清楚就这么做吧）

括号（base）是Anaconda自带的环境，里面安装了很多的包，但我想做的是深度学习方面的程序，所以强烈建议自己创建一个虚拟环境，然后在这个虚拟环境（tensorflow）下安装或更改，因为第一次安装一定会有很多问题，需要更改甚至删除乃至于删除虚拟环境。

键入：conda env list 可以查看当前的虚拟环境，默认只有一个base，这里我已经搭建了两个虚拟环境tensorflow、tensorflow-gpu 。“*”表示当前所处的工作环境，默认base；

3.2创建虚拟环境tensorflow：

Conda create -n tensorflow python=3.6 跳出询问是否安装 键入：y

进入虚拟环境tensorflow：

Conda activate tensorflow

可以查看已经安装的包：

键入：pip list

注意：我已经安装了gpu的tensorflow，这里需要安装我的经验安装tensorflow-gpu==1.14.0

2.3安装tensorflow-gpu==1.14.0

第一步：查看自己的pip版本，如果不是这个版本，进行更新：

python -m pip install --upgrade pip

第二步：安装tensorflow-gpu1.14.0，我没用用pip直接下载，尝试过但是总是报错，所以我上网上找到了按照包whl文件地址：

tensorflow-gpu · PyPI

下好以后，如果是网页下载自动保存在以下路径：C:UsersPCDownloads

如果是其他的下载客户端如：迅雷等，请复制路径，我就以C:UsersPCDownloads为例：

进入路径：

键入：cd C:UsersPCDownloads 打开下载好的tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl 路径。（这里我尝试过将该文件复制到C:UsersPCanaconda3bin路径下，但没安装成果）

在该路径下键入：pip install tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl

切换回工作路径中键入：cd C:UsersPCanaconda3bin

第三步：

查看安装情况：键入：pip list

检查红框内的numpy版本和pip版本是不是和我的一样，如果不一样（其他的包如果不一样也建议更换）进行替换：

替换处pip包以外的包（如：numpy），键入：pip install -U numpy==1.16.0（相应版本）

替他的包也是这样，tensorflow兼容性太差，一个环境一个版本一定要对应我掉进了无数个坑，这里这样安装应该是最方便的。（在pip install tensorflow-gpu==1.14.0无法正常安装的情况下）；

替换pip版本，这个我试过了，只要更新到最新（cmd里显示的最新的就可以了）键入：

python -m pip install --upgrade pip

第一步我就提到这个了，emmm顺序我点记不住了因为在创建虚拟环境tensorflow时用了

Conda create -n tensorflow python=3.6 安装python的时候可能就会安装pip，如果是这样的话，只需确认在装完tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl文件后检查pip list里的pip版本就好。

至此，安装完毕，如果需要装我这个环境的话，严格安装我的方法，应该不会报错，要是这要还报错，我只能说tensorflow真的太难受了，劝你装个别的系统的或者用pytorch。

现在试试你的gpu是不是能成果运行tensorflow吧！

3.测试是否成功

进入虚拟环境方法如前所述

cd C:UsersPCanaconda3bin

conda activate tensorflow

python

>>>import tensorflow as tf

>>>hello=tf.constant(‘hello tensorflow’)

>>>sess=tf.Session() #注意这里要大写关键词，不然它报错找不到attribute ‘session’

>>>printf(sess)

成功（这个是pycharm编译，cmd里同样的操作）

另外我需要装keras跑代码有的代码里面的keras关键字不识别，按理说tensorflow里集成了keras的但。。。。那就按照对应版本安装keras吧

网上找到对应1.14.0的keras版本

Pip 安装keras 键入：（如果你喊在cmd的python环境下，请“Ctrl+Z”然后回车回到tensorflow的虚拟环境下）

pip install keras==2.2.5

pip install matplotlib

搞定！

总结

1版本对应！

2网上的东西不要全信，我的也一样不一定适合你的机子

3耐心！

原则上安装你的需求根据版本要求一点一点安装。

查看版本：pip show keras/tensorflow-gpu/numpy/等等

pip 从镜像网站上下载需要的是很方便，但也很坑有些错不是自己遇到后解决是没法体会的，按了这么久我也算对python的架构有了一点点的了解，以后再遇到版本的问题就不至于把整个环境都删掉甚至从cuda开始装起。下面开始运行我的代码工作了。开头提到的多环境安装基本也都实现了。所以说装环境需要耐心，慢慢的你就了解你的需要和解决方法，也能更快地入门了~

祝好！