关于TensorFlow的以及Keras的环境配置的流程

一、关于TensorFlow的配置

博主是基于anaconda来配置，主要是分为两块，并且没有先后关系

1、tensorflow 配置

1.1 anaconda安装

首先 官网下载 https://www.anaconda.com/

1.2 虚拟环境配置

接着最好创建一个虚拟环境来配置tensorflow 其命令为 

conda create -n  你的虚拟环境名字 python=安装版本

由于我写的时候 python已经更新到了3.7，但是tensorflow暂且只支持 3.6，所以 就算不想使用虚拟环境 好像也不行o(*￣▽￣*)o

在这里 ，我为了提高速度，使用了清华的镜像源，代价貌似就是 pip版本太老了……

使用  conda env list

来看一下

另外配置 清华镜像源的方法

没有就创建

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
ssl_verify: true
show_channel_urls: true

就好了

1.3 tensorflow-gpu安装

然后按安装tensorflow-gpu

首先切换环境 

activate tensoflow

这里补充一下 由于直接装tensorflow-gpu 速度太慢，这里我们依旧需要将pip的镜像源改为清华的

方法为 如图，没有将创建

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple 

接下来 更新一下 pip

python -m pip install --upgrade pip

然后安装

现在我们就装好了tensorflow-gpu

2 NVIDIA环境配置

可是还是没办法使用的 需要加上英伟达的cuda+cudnn

https://developer.nvidia.com/cuda-toolkit-archive

https://developer.nvidia.com/rdp/cudnn-download

tensorflow当前版本也就是1.12需要cuda9+配套的cudnn

请去官网下载，全部安装完毕就好了 

ps：cudnn需要账号登录才给下载

其中 cuda直接安装

cudnn解压将其中的

bin include 和lib 复制到安装目录下的对应文件就好了

测试结果

代码

import tensorflow as tf
hello = tf.constant("Hello world!")
with tf.Session() as sess:
    result=sess.run(hello)
    print(result)

就是这样