tensorflow笔记

搭建tensorflow2.xgpu版本

前言

提示：现在网上好多大佬的博客都有搭建tensorflow2.x的搭建教程，有cpu版本的，gpu版本的，gpu版本的好多大佬都是首先配置英文达的显卡驱动，手动安装依赖库，cuda和cudnn，。都是确定自己安装的是那个tensorflow版本，然后去英伟达官网去下载对应版本的cuda，cudnn，再去配置环境，这个教程我试过，有点复杂，报错也多，对于我这种新手来说，不太友好。于是我按照自己的理解然后去安装了。我装的是tensorflow-gpu2.3.0的版本我是在Anaconda这个开发平台安装的

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、第一步，安装anaconda

示例：这个由于我之前用tensorflow1.13的时候就已经安装过了，就请各位自行去别的大佬博客去找教程安装。安装anaconda成功后打开界面，点击environments，然后在点击create创建一个独立的环境，，名字随便起，但是那个python要根据自己的需要来安装，如下图：![在这里插入图片描述](https://img-blog.csdnimg.cn/20210523124725639.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDk1MjM2NQ==,size_16,color_FFFFFF,t_70#pic_center

这个环境创建好之后，点击你创建的环境，点击open terminal进入控制台，在终端控制台去安装tensorflow

也可以去你安装anaonda的位置打开Anaconda Prompt管理员运行他，

然后激活你所创建的环境：激活了环境，先去配置国内源，再去安装依赖库，这样子快一点。
命令如下（示例）：

activate  + 你的环境名字
激活环境，我这里配置的是清华源，你们也可以去选择别的源，像豆瓣这些：输入下面三条命令行就配置成功了
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/
conda config --set show_channel_urls yes

最后是安装gpu版本的的依赖库：cuda和cudnn；输入根据自己的tensorflow-gpu的版本来所需要的依赖库，我这里是2.3.0的tensorflow-gpu。先装cuda，我已经装好了，所以输入命令行就提示环境已经准备好了

conda install cudatoolkit=10.1（根据自己的需要选择版本）

安装cudnn

conda install cudnn=7.6.5（根据自己的需要选择版本）

这样所需要的依赖库就安装好了，就可以直接安装tensorflow-gpu了；

---

最后一步，直接安装tensorflow-gpu

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple（根据自己的需要选择版本，后面是加个下载的源，速度比较快，也可以不加，那就用你前面配置好的源）

这就装好了tensorflow-gpu，接下来就是测试了。依次输入下面的命令行
输入

python#进入python人机交互端
import tensorflow as tf#导入tensorflow包
print（tf.__version__）#这里是查看tensorflow版本，下划线是 —— ——两个杠的
#tf.test.is_gpu_available() or tf.config.list_physical_devices('GPU')两个代码去测试是否gpu安装成功，第一个是返回的是ture，

提示：本人安装就是这样的步骤，也可以用conda install +tensorflow版本，conda会帮你自己下载和配置对应的依赖