之前摸索tensorflow的時(shí)候安裝踩坑的時(shí)間非常久，主要是沒搞懂幾個(gè)東西的關(guān)系，就在瞎調(diào)試，以及當(dāng)時(shí)很多東西不懂，很多報(bào)錯(cuò)也一知半解的。這次重裝系統(tǒng)后正好需要再配置一次，把再一次的經(jīng)歷記錄一下。我的電腦是華為的matebook13，intel i5-8625U，MX250顯卡，win10系統(tǒng)。（不得不吐槽很垃圾，只能滿足測(cè)試測(cè)試調(diào)調(diào)代碼的需求）

深度學(xué)習(xí)利用Tensorflow平臺(tái)，其中的Keras Sequential API對(duì)新用戶非常的友好，可以將各基礎(chǔ)組件組合在一起來構(gòu)建模型。

（官網(wǎng)： https://tensorflow.google.cn/?hl=zh-cn）

安裝Tensorflow 分為 tensorflow_cpu 和 tensorflow_gpu版本

GPU就是用來渲染計(jì)算的，GPU版本計(jì)算性能是CPU的百倍之快。如果電腦沒有獨(dú)立顯卡只能用CPU版本計(jì)算。

CPU版本安裝：

tensorflow_cpu版本只需要安裝anaconda后在anaconda prompt里面pip install tensorflow_cpu==（版本號(hào)） 即可。安裝anaconda的方法見GPU版本里面。

注意查下python和tensorflow_cpu適配的版本號(hào)。

GPU版本安裝

tensorflow_gpu版本安裝大致分為三步：1、安裝anaconda 2、安裝cuda和cdunn 3、安裝tensorflow_gpu。其中第一步和第二步的順序可以調(diào)換，就是安裝完了前面三個(gè)東西再安裝tensorflow即可。

tensorflow最近出了2.0版本，和1.0大版本有一些區(qū)別。具體我還沒有去了解，代碼不一定兼容，需要注意一下。這三個(gè)步驟的版本需要格外的注意，一旦三個(gè)自己的版本互相不兼容或者和電腦的顯卡不兼容，就用不了。所以安裝前看看要安裝的tensorflow版本。先查好顯卡的算力，然后適配的相應(yīng)版本再安裝，否則踩坑要很久。

首先確定電腦所能支持的tensorflow版本，根據(jù)tensorflow官網(wǎng)所給配置，我們要去檢查電腦gpu的cuda支持版本，再去對(duì)應(yīng)下載python版本和tensorflow版本。

右鍵 桌面>NVIDIA控制面板>幫助>系統(tǒng)信息>組件

上圖說明我的顯卡所支持的cuda版本為11.1（向下兼容）

Tensorflow配置window官網(wǎng)：https://tensorflow.google.cn/install/source_windows

以我電腦為例，之前我用的是3.7.3的版本。這次重裝系統(tǒng)后安裝的是3.8.3。

cmd查看python版本：

我之前tensorflow用的是1.13的版本，這次因?yàn)橐呀?jīng)安裝了python3.8，因此打算安裝2.0版本。如果仍需要低版本需要重新安裝python較低的版本或者搭一個(gè)虛擬環(huán)境（但不是很建議）。

第一步，安裝anaconda

anaconda會(huì)對(duì)應(yīng)安裝python環(huán)境，不一定要最新的， 最新的python版本不一定有兼容的cuda加速，有cuda加速也不一定支持電腦的顯卡。

官網(wǎng)安裝：https://www.anaconda.com/products/individual，之前版本如果官網(wǎng)沒有可能需要找資源。

第二步，安裝cuda工具包

（官網(wǎng)：https://developer.nvidia.com/zh-cn/cuda-toolkit）

CUDA是 NVIDIA 專為圖形處理單元 (GPU) 上的通用計(jì)算開發(fā)的并行計(jì)算平臺(tái)和編程模型。借助 CUDA，開發(fā)者能夠利用 GPU 的強(qiáng)大性能顯著加速計(jì)算應(yīng)用。在經(jīng) GPU 加速的應(yīng)用中，工作負(fù)載的串行部分在 CPU 上運(yùn)行，且 CPU 已針對(duì)單線程性能進(jìn)行優(yōu)化，而應(yīng)用的計(jì)算密集型部分則以并行方式在數(shù)千個(gè) GPU 核心上運(yùn)行。使用 CUDA 時(shí)，開發(fā)者使用主流語言（如 C、C++、Fortran、Python 和 MATLAB）進(jìn)行編程，并通過擴(kuò)展程序以幾個(gè)基本關(guān)鍵字的形式來表示并行性。由于tensorflow最高版本對(duì)應(yīng)的是cuda10.1版本，那下載cuda10.1即可。安裝包鏈接：https://developer.nvidia.com/cuda-toolkit-archive

CUDA的下載需要掛載VPN，否則下下來只有1kb (好像后面又不一定需要VPN，可以直接下載試試）

自定義安裝，安裝的東西全選了，盡量不要改安裝位置

安裝完之后安裝cuDNN, cuDNN是用于深度神經(jīng)網(wǎng)絡(luò)的GPU加速庫(kù).注意安裝的版本，選擇自身cuda版本對(duì)應(yīng)的cudnn下載。

官網(wǎng)：https://developer.nvidia.com/rdp/cudnn-archive ，cuDNN的下載需要注冊(cè)官網(wǎng)的賬號(hào)

下載好的cudnn文件解壓后，將文件夾內(nèi)的文件放到cuda對(duì)應(yīng)文件夾下，注意：是文件夾內(nèi)的文件，而不要直接復(fù)制替換文件夾

第三步，安裝tensorflow—gpu

在anaconda prompt里面安裝：pip install tensorflow-gpu ， 后面可以指定版本號(hào)，下載慢掛載一個(gè)鏡像源 -i https://pypi.tuna.tsinghua.edu.cn/simple

安裝完成：

測(cè)試是否安裝成功：

import tensorflow as tf
tf.test.is_gpu_available()

True即表示安裝成功了。

查看版本號(hào)：

至此安裝成功，可以跑一個(gè)小程序測(cè)試一下。

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
 
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

顯示“GPU True”, 也即代表GPU版本安裝成功。

經(jīng)過幾天調(diào)了一下代碼之后發(fā)現(xiàn)tensorflow2相對(duì)與1還是有挺多改動(dòng)的，1里面能夠運(yùn)行的代碼可能2里面需要一定的修改。

關(guān)于Tensorflow2和1上面keras的一些區(qū)別可以搜一下相關(guān)的資料。

到此這篇關(guān)于Window10上Tensorflow的安裝(CPU和GPU版本)的文章就介紹到這了,更多相關(guān)Window10安裝Tensorflow 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論