windows10+gpu版本的tensorflow全过程

搞了三天，踩坑无数，终于搞定了。
经验1：一定要版本对应 tensorflow-gpu、CUDA、cuDNN
经验2：装在windows上的话，较高版本/较新版本的上面三个不支持！

1.新建环境 conda create -n gpu_env python=3.7 （一开始搞了3.8以上！！！千万不要，因为python3.8对应的tensorflow-gpu并不能用在windows上，在一个网页看到的这句话，后面有截图）

2.激活环境conda activate gpu_env（gpu_env是环境名）

3.安装tensorflow-gpu pip install -i https://pypi.mirrors.ustc.edu.cn/simple tensorflow-gpu==2.6.0 （后面的镜像源可以换，阿里云、豆瓣的似乎更好用一些，看到一些帖子说清华的会不稳定。在这里踩到的坑很多，比如显示安装失败、一直salving environment；需要注意的是，要先装tensorflow-gpu！另外，最重要的是，不能超过2.11！！）

4.下载jupyter notebook pip install Jupyter -i https://pypi.doubanio.com/simple （尝试了不用镜像–显示失败or一直安装中；尝试在anaconda里install，一直不成功；尝试在VScode里装，一直不成功；最后用这个带镜像的，成功~）

5.安装CUDA工具包 我的是11.2版本（先用nvidia-smi查看自己设备能使用的CUDA的最高版本，这里显示的是12.2，只要低于它即可）

6.安装cuDAA库 我的是8.1版本（要版本对应） （在这里看到了那句windows不支持2.11以上的tensorflow-gpu！！！！）

7.验证GPU是否可用 （返回true表明gpu版本的tensorflow可用；如果显示false，说明tensorflow-gpu或CUDA或cuDNN有版本错误；后面的GPUS为1说明只有一个GPU设备）

完成！

中间遇到的问题及解决方案：

问题1：新建环境时报错：CondaHTTPError: HTTP 000 CONNECTION FAILED for url https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/current_repodata.json
法1：在anaconda prompt执行以下命令
conda config --add channels - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
然后在“C:\Users\Administrator（你的用户名）”目录下找到“.condarc”文件并打开，若channels下面有-default，删除-default，保存退出，重新新建环境
法二：将“.condarc”文件中的https改成http将“.condarc”文件中的https改成http
法三：离线创建：conda config --set offline true，重新新建环境
（盲猜，以后遇到报错httperror/与网络相关的问题时，都用第三种方式解决）

问题2：安装gpu-tensorflow时，报错：
tensorboard 2.11.2 has requirement protobuf<4,>=3.9.2, but you’ll have protobuf 4.24.4 which is incompatible.
法一：pip install --upgrade tensorboard （这个方法不可取，因为改变它的板本就和tensorflow的不对应了）
法二：pip install protobuf==3.9.2

问题3：you are using pip version 10.0.1,however version 23.3.1 is available
法一：不要直接win+R然后cmd，而是要选择“开始”—“Windows系统”—“命令提示符”—右键“以管理员身份运行”；不要用家用WiFi，开手机热点连接；管理员身份运行命令提示符后，使用镜像下载升级，代码如下：python -m pip install --upgrade pip -i https://pypi.douban.com/simple

问题4：安装gpu-tensorflow时，报错：ERROR: Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
法一：更新一系列包：pip install -U --ignore-installed wrapt enum34 simplejson netaddr，在重新安装（没用，报错）
法二：手动卸载电脑中所有有关wrapt的文件，然后重新安装

问题5：
DEPRECATION: pandas 0.23.4 has a non-standard dependency specifier pytz>=2011k. pip 24.0 will enforce this behaviour change. A possible replacement is to upgrade to a newer version of pandas or contact the author to suggest that they release a version with a conforming dependency specifiers. Discussion can be found at https://github.com/pypa/pip/issues/12063
法一：pip install --upgrade pandas -i https://pypi.doubanio.com/simple/

问题6：安装gpu-tensorflow时，报错：ERROR: pip’s dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts.
tensorflow-intel 2.11.0 requires libclang>=13.0.0, which is not installed.
tensorflow-intel 2.11.0 requires packaging, which is not installed.
tensorflow-intel 2.11.0 requires tensorflow-io-gcs-filesystem>=0.23.1; platform_machine != “arm64” or platform_system != “Darwin”, which is not installed.
tensorflow-intel 2.11.0 requires absl-py>=1.0.0, but you have absl-py 0.15.0 which is incompatible.
tensorflow-intel 2.11.0 requires flatbuffers>=2.0, but you have flatbuffers 1.12 which is incompatible.
tensorflow-intel 2.11.0 requires numpy>=1.20, but you have numpy 1.19.5 which is incompatible.
解决：尝试先卸载它，以避免版本冲突。python -m pip uninstall tensorflow-intel
然后重新下载tensorflow-gpu