深度学习系列笔记——壹（深度学习环境的搭建及填坑之旅，基于windows）

Anaconda（官方网站下载）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。

Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。Anaconda具有如下特点：
▪ 开源
▪ 安装过程简单
▪ 高性能使用Python和R语言
▪ 免费的社区支持其特点的实现主要基于Anaconda拥有的：
▪ conda包
▪ 环境管理器
▪ 1,000+开源库

博主这里选择的是windows py3.7 64bit的。
下载后一路确定，但是需要注意的是，要勾选添加环境变量，不然的话，后续需要手动添加，非常麻烦。

等待安装

安装完成后，anaconda会在开始菜单释放以下三个

1.打开最后一个，AnacondaPrompt。

前面的base指的是当前处于base环境。接下来我们利用conda命令创建一个TF2.1的环境。
2.在命令行中输入conda create -n TF2.1 python==3.7

3.然后进入刚刚创建的虚拟环境TF2.1

4.安装Nvidia的GPU加速包（无N卡的读者可省略）

对于这一步，如果读者的电脑没有Nvidia的显卡，则无需执行，直接进行下一步即可。

5.安装cudnn7.6

均选择y，表示你同意安装相关软件包

同理于步骤4，对于这一步，如果读者的电脑没有Nvidia的显卡，则无需执行，直接进行下一步即可。

6.安装TensorFlow2.1
由于某些众所周知的原因，直接利用pip安装可能会失败，因此我们需要换为国内源。
pip install -i 国内镜像地址 包名

此处为： pip install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow==2.1

国内常用源镜像地址：

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/

豆瓣：http://pypi.douban.com/simple/
（如果你的网络很科学，那么也可以直接执行下图的pip命令）

这一步非常耗时间，短者十几分钟，长则几小时。请耐心等待。

7.验证安装是否成功
键入python，进入python交互式环境

然后键入下述代码

import tensorflow as tf
print(tf.__version__)
# 如果安装成功，则会输出2.1.0

gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
print(tf.test.is_gpu_available())  #输出为True，则证明GPU版本的tensorflow安装成功
#否则为CPU版本，若有需要GPU，可尝试重新安装
#使用指令  pip install tensorflow-gpu==2.1 ，指定GPU版本

如果能正常显示2.1.0，则证明安装成功了