Pycharm工程管理（二）非常详细的介绍tensorflow使用、安装教程：tensorflow +tensorflow-gpu + pip + python + CUDA+ cudnn + an...

第一章、简介

•  本文介绍跑AI算法时，需要安装的tensorflow + tensorflow-gpu +CUDA + cudnn + anaconda软件包。
• CUDA + cudnn都是nvidia旗下的驱动产品，官网https://developer.nvidia.com/cudnn。、
• 英特尔的集成显卡一般不支持CUDA + cudnn，英伟达的显卡一般都支持CUDA + cudnn，所以下载CUDA或cudnn之前，需要查看自己的显卡属于哪种类型。

        此前，已经安装了：

• Pycharm2019.3.4
• python3.7.2
• pip18.1
• tensorflow2.1.0
• numpy1.18.2

       我们通过下面的介绍，一步步的认识tensorflow具体是干嘛用的。

第二章、Tensorflow

2.1、 Tensorflow介绍

•  
• Tensorflow是目前广泛使用的AI算法及相关数学运算的算法库之一。
• Tensorflow是目前google团队开发，并在2015年11月9日宣布开源。次年三月，Google的围棋人工智能程序AlphaGo以4比1的战绩，战胜人类选手李世石。一年后，约致2017年左右，Tensorflow就成为了最流行的AI算法。可见Google的Tensorflow通过AlphaGo借势而起的雄心，不鸣则已，一鸣惊人。
• Tensorflow是目前GitHub上最有影响、最具代表的AI算法库之一。
• TensorFlow可以应用在图形分类、音频处理、推荐系统和自然语言处理等场景下。
• TensorFlow支持Linux平台，Windows平台，Mac平台、手机移动设备等各种平台
• TensorFlow支持python、C++、java、C#等语言。
• TensorFlow的官网提供了详细的文档、Demo、基础理论。

2.2、 Tensorflow应用

参考https://blog.csdn.net/luodongri/article/details/53583618

• TensorFlow在图形分类、音频处理、推荐系统和自然语言处理等场景下都有丰富的应用。
• 在澳大利亚(2016年)，海洋生物学家与来自昆士兰大学(Queensland University)的计算机科学家合作，通过TensorFlow技术，使用探测器自动地在数以万计的航拍照片中寻找海牛。
• 在日本，一位年轻人利用TensorFlow运用到农业上，按照黄瓜大小、形状、颜色以及其他特征来挑选黄瓜并对它们进行分类。
• 在医学领域，发射科的医生通过采用TensorFlow，使其在医学扫描中能够识别帕金森病的迹象。
• 湾区的数据科学家在树莓派上使用TensorFlow来追踪记录加州火车的动态。

2.3、 Tensorflow版本

      TensorFlow提供基于Python语言下四个版本：CPU版本(tensorflow)、GPU加速的版本(tensorflow-gpu)、tf-nightly 和 tf-nightly-gpu。

2.2.1、CPU版本(tensorflow)

• CPU版本用CPU运行。
• TensorFlow的Python版本支持Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0及对应的更高版本

2.2.2、GPU版本(tensorflow-gpu)

(1)GPU版本的特点：

• GPU 版本需要 CUDA 和 cuDNN 的支持，如果你是独显+集显，那么推荐你用GPU版本的，因为GPU对矩阵运算有很好的支持，会加速程序执行。
• CUDA是NVIDIA下的软件驱动，所以你的显卡最好是NVIDIA。
• AMD的显卡没有CUDA加速。
• GPU相对CPU版本来说，具备计算量、计算速率块等特点。
• GPU工作在硬件层面，CPU工作在软件层面，在跑大数据时，CPU版本会更快。
• GPU适合矩阵运算，神经网络的处理过程正好适合GPU发挥性能。

(2)查看本机是否支持GPU(在CMD直接输入“系统信息”)：

• 本机的Intel(R) HD Graphics是集成显卡，并没有独立的GPU，而。所以无法使用Tensorflow-GPU，也就是没有必要安装CUDA、cudnn支持软件了。
• Intel(R) HD Graphics是集成显卡性能一般，只能玩普通的游戏，大型游戏就玩不动了。
• 此外，你可以在cuda官网查看cuda支持的GPU型号：

(3)通过GPU-Z软件(请自己百度下载)查看本机显卡的计算能力：

2.4、 Tensorflow、Tensorflow-GPU 安装

• 若是你的显卡不支持cuda/cudnn，就不需要安装Tensorflow-GPU。此时只能用CPU计算，因此只需要安装Tensorflow + Anaconda即可。
• 若是你的显卡支持cuda/cudnn，那么可以除了安装Tensorflow + Anaconda之外，还可以安装cuda + cudnn + Tensorflow-GPU，以便提升计算速率。

第三章、CUDA

• CUDA是一种针对GPU的计算架构，用在GPU计算，提升计算性能。
• 若要安装并使用CUDA，请在CUDA官网(https://developer.nvidia.com/cuda-gpus)先查看显卡是否支持CUDA。若是支持，可以在这里(https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal)下载安装。

第四章、cudnn

• NVIDIA的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。
• 若要安装并使用cuDNN，请先查看显卡是否支持CUDA。
• cuDNN安装参考https://www.cnblogs.com/xueadas/p/9758017.html、https://www.cnblogs.com/guoyaohua/p/9265268.html、https://blog.csdn.net/qq_41760767/article/details/97444053。

第五章、Anaconda

• 由于python自身缺少numpy、matplotlib、scipy、scikit-learn....等一系列包，需要我们安装pip来导入这些包才能进行相应运算。因此Python就存在需要什么包就需要pip导入一次的缺点。
• 所以，anaconda就可以解决这个缺点。naconda是一个python发行版，包含了大量的包，使用anaconda无需再去额外安装所需包。
• Anaconda自带了CUDA和cudnn。若是安装了Anaconda，就不用安装CUDA和cudnn。
• 当然，安装了CUDA和cudnn，也可以安装Anaconda。
• Anaconda安装参考：https://www.cnblogs.com/xueadas/p/9758017.html、https://www.cnblogs.com/guoyaohua/p/9265268.html、https://blog.csdn.net/qq_41760767/article/details/97444053。