基于Miniconda3安装jupyter notebook+虚拟环境安装tensorflow(cpu&gpu版本)

本文在安装过程中参考了很多c站的其他教程，本文把安装过程中遇到的问题和安装过程一一记录，希望能有所贡献。

本文是基于miniconda已经安装完成且环境变量也设置好的前提。

---

目录

一、Miniconda创建虚拟环境

（以下的二和三部分任选其一安装即可）

二、安装tensorflow cpu版本

三、安装tensorflow gpu版本

四、安装jupyter并将成功安装tensorflow的虚拟环境导入jupyter

附录一：常用的conda命令

附录二：参考的相关文档

附录三：python3.8 tensorflow2.2.0下其他安装包版本

---

一、Miniconda创建虚拟环境

1、conda prompt，输入：

conda create -n tf2 python=3.8

即建立python3.8的虚拟环境，该环境名为tf2

注意：应先确定需要安装的tensorflow和python对应的版本，可参考tensorflow官方中文文档。以下截取部分对应版本

 

2、激活虚拟环境

conda activate tf2

（以下的二和三部分任选其一安装即可）

二、安装tensorflow cpu版本

1、进入虚拟环境tf2后，在虚拟环境中安装

pip install tensorflow==2.2.0

安装后，可通过pip list 检查虚拟环境tf2中的包

2、输入python（核对版本并进入python模式检测tensorflow是否安装成功）

3、检测tensorflow是否导入成功，不出现报错即为导入成功。

import tensorflow

注意：此处可能会有三个报错依次出现

第一个报错：

TypeError: Descriptors cannot not be created directly
建议将protobuf安装调整至3.20前

解决方案：

exit() #退出python模式
pip list #查看该环境中所有包
pip uninstall protobuf
pip install protobuf==3.19.0
pip list #检查3.19的protobuf是否安装成功

接着，再次输入python，进入python模式后，检测tensorflow

import tensorflow

此时会出现第二个报错：

Could not load dynamic library cudart64_101.dll（局部）

解决方案：在cudart网站下载cudart文件（可能会出现弹窗，点关闭后即可下载）；下载后为一个压缩包，解压后将 cudart64_101.dll文件直接复制到 C:\Windows\System32 路径下

接着，再次输入python，进入python模式后，检测tensorflow

 此时会出现第三个报错：

AttributeError: module 'numpy' has no attribute 'object'.

这是python和numpy版本不对应，因此此时应退出python模式后，检查numpy版本；并在numpy对应python版本的发行说明中找到numpy不同版本对应的python版本。

因虚拟环境tf2是python3.8，可选择numpy1.18.2

exit() #退出python模式
pip list #查看该环境中所有包
pip uninstall numpy
pip install numpy==1.18.2
pip list #检查1.18.2的numpy是否安装成功

最后，解决了以上三个问题，再进入python模式检测tensorflow就成功了

import tensorflow

三、安装tensorflow gpu版本

1、为了避免混乱，在conda中重新建立一个以python3.8的虚拟环境tf2gpu

2、激活虚拟环境tf2gpu

conda activate tf2gpu

3、检查cuda版本

conda search cuda

4、检查cudnn版本

conda search cudnn

5、根据第一部分的tensorflow官方网站的版本对应表，选择组合

conda install cudatoolkit=10.1.243
conda install cudnn=7.6.5
pip install tensorflow-gpu==2.2.0

6、gpu版本也可能会出现cpu版本的三个问题，同样的解决方法解决后即为导入成功。

7、gpu版本除了验证导入成功外，还需要验证gpu是否可以使用。输入下列代码，若最后出现true，则为gpu可用；若出现缺少一系列dll，则下载后安装到 C:\Windows\System 即可。

import tensorflow as tf
print(tf.test.is_gpu_available())

四、安装jupyter并将成功安装tensorflow的虚拟环境导入jupyter

注意：通过在conda中对tensorflow的检测，能够保证此时tensorflow已经成功安装在相应的虚拟环境中之后，再开始进行以下的步骤。

1、安装jupyter notebook

在conda prompt 的base环境下安装jupyter notebook（本文采取将jupyter安装在base环境下，但所有其他库和包都安装在虚拟环境中，通过base开启jupyter后选择相应的核进入相应的虚拟环境）

修改jupyter默认路径可参考文档

conda install jupyter notebook

2、激活相应的虚拟环境，即tf2或tf2gpu

3、在虚拟环境tf2或tf2gpu中安装核

conda install ipykernel

4、在虚拟环境tf2或tf2gpu中生成虚拟环境的核，但注意tf2和tf2gpu生成的核需要在相应的虚拟环境中各自生成

python -m ipykernel install --user --name 环境名

python -m ipykernel install --user --name tf2

python -m ipykernel install --user --name tf2gpu

5、退出虚拟环境，返回base环境后，打开jupyter

jupyter notebook

6、最后在jupypter中可以看到新增的两个核

附录一：常用的conda命令

 1、删除虚拟环境

conda remove -n tf2 --all

2、查看所有虚拟环境

conda env list

3、退出虚拟环境（不需要写具体的虚拟环境名称）

conda deactivate

附录二：参考的相关文档

【精简】2023年最新Windows安装GPU版本的tensorflow（含bug记录及解决）

怎么在jupyter中安装tensorflow，并切换环境为tensorflow

tensorflow的详细安装（包含jupyter notebook）怎么在jupyter中安装tensorflow，并切换环境为tensorflow

【简单明了】anaconda 安装 jupyter 创建 tensorflow-gpu环境，深度学习模型训练用gpu跑，jupyter和pycharm上运行成功

附录三：python3.8 tensorflow2.2.0下其他安装包版本

numpy  1.18.2

matplotlib  3.3.4

pandas  1.3.5

openpyxl  3.1.2

scipy 1.4.1

shap 0.41.0

numba 0.53.0