Windows下搭建TensorFLow环境

TensorFlow深度学习环境配置

说明：Python3.9 Tensorflow2.10.0+cuda11.8+cudnn8.9

【准备工作】

一、使用英伟达GUP显卡算力

（1）安装CUDA Tool

介绍:CUDA是Nvidia开发的一种并行计算平台和编程模型，用于在其自己的GPU（图形处理单元）上进行常规计算。

下载位置：https://developer.nvidia.com/cuda-toolkit-archive

选择下载后进入

文件大小近2G，下载后直接安装

（2）cuDNN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。

下载位置（需要注册英伟达开发者）：

https://developer.nvidia.com/rdp/cudnn-archive，选择下载后进入

文件大小近500M，是个zip的压缩包，解压后有三个目录bin,include,lib

将上述三个目录下的文件复制到C:\Program Files\NVIDIA GPU Computing\V11.x\相应的三个文件夹内,注意lib目录要复制x64子文件中

二、安装Python

版本不建议安装最新的，此处可选择3.8或3.9版本，下载后直接安装即可，安装时在第一个界面，勾选 Add to Path，将python添加到环境变量中。

因为python编程会用到很多第三方库，因为网速原因，我们需要把第三方库的下载数据库指定为国内的镜像。

进入命令行状态，输入命令（可选择清华大学、阿里云等镜像站）

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

三、创建虚拟环境

因为Python会使用大量的第三方库，为保证每个项目有独立的环境，建议使用虚拟环境，每个环境可以使用不同的库或同一库的不同版本。

如：D:\mldp是一个空文件夹，我们要创建虚拟环境，使用的命令(使用命令行工具)

d:

cd \mldp

python -m venv venv

第一个venv是python自带的虚拟环境模块名, 第二个venv是指创建的文件夹名称，命令执行成功，会自动创建venv子文件夹，后续所有的第三方库会安装在此目录中。

四、激活虚拟环境

使用虚拟环境前必须先进行激活，进入venv/Scripts目录

cd venv/Scripts

activate

激活后会在命令行的提示符前显示(venv)字样

五、安装深度学习所需的第三方库

Pip是用于安装和卸载第三方库的一个工具，激活虚拟环境后，输入以下命令

(1)安装数据分析常用的工具包numpy、pandas、matplotlib

pip install numpy

pip install pandas

pip install matplotlib

pip install scipy

(2)安装机器视觉的opencv库

pip install opencv-python

(3)安装谷歌机器学习的库tensorflow

pip install tensorflow

(4)安装Jupyterlab

jupyterlab编辑器

pip install jupyterlab

jupyterlab中文语言包

pip install jupyterlab-language-pack-zh-CN

安装智能提示插件

pip install jupyterlab-lsp

安装插件所需的语言服务(支持python)

pip install python-lsp-server

六、运行命令，打开浏览器

jupyter lab

建议把chrome浏览器设置为默认浏览器。

七、其他

在D:\mldp目录下创建一个work子目录，作为以后代码存储的位置，为提高打开软件的速度，编写一个批处理文件，放在d:\mldp目录

@echo off

call venv/Scripts/activate.bat

cd work

jupyter lab

提醒，用pip install 安装第三方库需要停止jupyter的服务，在命令窗口界面连接按Ctrl+C，安装好后重新用jupyter lab启动