tensorflow詳細(xì)安裝教程（Win10, Anaconda，Python3.9）
1.tensorflow版本的準(zhǔn)備工作
CPU版本和GPU版本的區(qū)別主要在于運(yùn)行速度，GPU版本運(yùn)行速度更快，所以如果電腦顯卡支持cuda，推薦安裝gpu版本的。
操作并不復(fù)雜，一開(kāi)始我覺(jué)得要下這么多東西，感覺(jué)很麻煩，不想搞，但為了速度，最后還是嘗試安裝了一下，發(fā)現(xiàn)并沒(méi)有那么難搞。
1.1 CPU版本，無(wú)需額外準(zhǔn)備
CPU版本一般電腦都可以安裝，無(wú)需額外準(zhǔn)備顯卡的內(nèi)容。
1.2 GPU版本，需要提前下載cuda和cudnn
根據(jù)網(wǎng)頁(yè)在 Windows 上安裝 TensorFlow (juejin.im)的說(shuō)明，需要滿足以下四個(gè)條件。
-
查看電腦的顯卡，此電腦→右鍵選管理→設(shè)備管理器→顯示適配器。
核顯UHD Graphics 630和獨(dú)顯GeForce GTX 1050，主要看獨(dú)顯GeForce GTX 1050。
選中NVDIA GeForce GTX 1050右鍵選屬性→驅(qū)動(dòng)程序，可以看到已經(jīng)裝好驅(qū)動(dòng)。滿足四個(gè)條件之一。
-
查看CUDA Compute Capability，網(wǎng)址CUDA GPUs | NVIDIA Developer。將部分內(nèi)容截圖，可以看到GeForce GTX 1050的Compute Capability是6.1滿足四個(gè)條件之一。
-
查看電腦的CUDA版本。圖標(biāo)處右鍵NVDIA控制面板→系統(tǒng)信息→組件，紅框中，可以看到CUDA的版本是11.1。
-
下載cuda和cudnn。在官網(wǎng)上下載對(duì)應(yīng)的cuda和cudnn，版本可以低于但不能高于電腦支持的版本。cuda下載地址：CUDA Toolkit Archive | NVIDIA Developer，cudnn下載地址：cuDNN Archive | NVIDIA Developer
我下載的是CUDA Toolkit 11.0.0，選擇相應(yīng)的系統(tǒng)、版本等選項(xiàng)，Download安裝包。
下載對(duì)應(yīng)版本的cuDNN。這里選擇的是cuDNN v8.0.5 for CUDA 11.0。
-
CUDA安裝：選自定義安裝→默認(rèn)安裝路徑→安裝結(jié)束
安裝完成后，會(huì)默認(rèn)生成兩個(gè)系統(tǒng)變量。
系統(tǒng)變量查看：此電腦→右鍵選屬性→高級(jí)系統(tǒng)設(shè)置→環(huán)境變量→系統(tǒng)變量
這里可以在系統(tǒng)變量中找到path，然后編輯，添加一些路徑，最終一共有四條，以后如果有需要再添加額外的路徑，都可以到這里添加。
-
cuDNN安裝：解壓→將三個(gè)文件夾復(fù)制到cuda的安裝目錄下，直接選擇覆蓋文件就可以。
安裝完畢，測(cè)試cuda版本。
打開(kāi)cmd，輸入指令：
nvcc -V
到此，四個(gè)條件都已滿足。
2.下載Anaconda
2.1 下載并安裝Anaconda
下載地址Anaconda | Anaconda Distribution，我安裝的版本是Python3.9，安裝過(guò)程記得選擇自動(dòng)配置環(huán)境變量。
安裝完成后，打開(kāi)Anaconda Prompt，輸入命令：
conda --version查看安裝的版本
conda env list查看已經(jīng)安裝的環(huán)境，右邊“*”表示當(dāng)前使用的環(huán)境
2.2 創(chuàng)建環(huán)境
-
創(chuàng)建tensorflow環(huán)境，輸入命令：conda create -n tensorflow python=3.9，表示創(chuàng)建一個(gè)名字為tensorflow的環(huán)境，這個(gè)環(huán)境用的python版本是3.9版本的
-
創(chuàng)建成功后，輸入命令：conda env list，可以看到tensorflow環(huán)境已經(jīng)創(chuàng)建，星號(hào)為當(dāng)前所在環(huán)境（基礎(chǔ)環(huán)境base）。
-
進(jìn)入環(huán)境，輸入命令：activate tensorflow，就可以進(jìn)入tensorflow環(huán)境中。
因?yàn)槲业腸onda環(huán)境在D盤(pán)中，所以將路徑改了以下。如果anaconda安裝的時(shí)候是默認(rèn)路徑，這一步不需要。
-
安裝默認(rèn)版本的tensorflow-cpu或者tensorflow-gpu。
沒(méi)有配置cuda，安裝tensorflow-cpu版本的，可以輸入命令：pip install --ignore-installed --upgrade tensorflow
配置了cuda，安裝tensorflow-gpu版本的，可以輸入命令：pip install --ignore-installed --upgrade tensorflow-gpu
然后下載一會(huì)之后，會(huì)報(bào)錯(cuò)，這是網(wǎng)速的原因。
解決方法是：找到tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl (438.0 MB)這個(gè)文件。
登錄https://pypi.org/，搜索tensorflow_gpu，點(diǎn)擊要的包名稱(chēng)。
網(wǎng)址tensorflow-gpu · PyPI，下載文件到D:\Anaconda3\envs\tensorflow\這個(gè)目錄下。
輸入命令：pip install tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl
這個(gè)時(shí)候又報(bào)錯(cuò)ERROR: Could not find a version that satisfies the requirement XXX
解決方法：直接選用pip源并且信任它的來(lái)源就可以解決這種問(wèn)題
pip install 庫(kù)包 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 這里將pip源換成清華源、阿里源等都適用。 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
歸納 1.pip install --ignore-installed --upgrade tensorflow-gpu 2.下載tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl文件 3.pip install tensorflow_gpu-2.8.0-cp39-cp39-win_amd64.whl -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com這樣就可以安裝成功了。
輸入命令：pip show tensorflow-gpu，可以查看tensorflow的版本信息
-
退出環(huán)境：conda deactivate
3.測(cè)試tensorflow-gpu是否安裝成功
-
打開(kāi)Anaconda，選擇tensorflow環(huán)境，打開(kāi)spyder，第一次打開(kāi)需要安裝Spyder，直接點(diǎn)下方的install即可。
-
測(cè)試代碼
import tensorflow as tf a = tf.constant(1.) b = tf.constant(2.) print(a+b) print(tf.__version__) print(tf.test.gpu_device_name()) print('GPU:',tf.config.list_physical_devices(device_type='GPU')) print('CPU:',tf.config.list_physical_devices(device_type='CPU')) print(tf.test.is_gpu_available())此時(shí)有個(gè)報(bào)錯(cuò)：
Could not load dynamic library ‘cusolver64_11.dll‘； dlerror: cusolver64_11.dll not found
解決辦法：
鏈接：https://pan.baidu.com/s/1W9fR2N_hoVD-7_ODtOiJhg
提取碼：u65i下載文件，把文件cusolver64_11.dll添加到創(chuàng)建的環(huán)境\Library\bin中
程序正常運(yùn)行，輸出結(jié)果
簡(jiǎn)單測(cè)試一下cpu和gpu運(yùn)行速度的差別
import tensorflow as tf import timeit #指定在cpu上運(yùn)行 def cpu_run(): with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) cpu_c = tf.matmul(cpu_a, cpu_b) # print( "cpu_a: ", cpu_a.device) # print( "cpu_b: ", cpu_b.device) # print("cpu_c:", cpu_c.device) return cpu_c #指定在gpu上運(yùn)行 def gpu_run(): with tf.device( '/gpu:0'): gpu_a = tf.random. normal([ 10000,1000]) gpu_b = tf.random. normal([ 1000, 2000]) gpu_c = tf.matmul(gpu_a, gpu_b) # print( "gpu_a: ", gpu_a.device) # print("gpu_b: ", gpu_b.device) # print("gpu_c: ", gpu_c.device) return gpu_c cpu_time = timeit.timeit(cpu_run, number = 10) gpu_time = timeit.timeit(gpu_run, number = 10) print('cpu:',cpu_time, 'gpu:',gpu_time)
運(yùn)行速度差距很明顯。
參考鏈接：
安裝Anaconda/Python3.9/Tensorflow_Miska_Muska的博客-CSDN博客_anaconda安裝tensorflow
Anaconda中安裝并運(yùn)行tensorflow_w_66666的博客-CSDN博客_anaconda如何安裝tensorflow
Anaconda下conda，pip安裝tensorflow-gpu_AnnnnnJie的博客-CSDN博客
anaconda安裝tensorflow-gpu手把手教程_不用在意昵稱(chēng)的博客-CSDN博客_anaconda安裝tensorflow gpu
Anaconda安裝使用及tensorflow配置_堅(jiān)強(qiáng)的敏敏子的博客-CSDN博客_anaconda tensorflow文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-786614.html
Could not load dynamic library ‘cusolver64_11.dll‘； dlerror: cusolver64_11.dll not found_hungita的博客-CSDN博客_cusolver64_11.dll文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-786614.html
到了這里，關(guān)于tensorflow詳細(xì)安裝教程（Win10, Anaconda，Python3.9）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)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TOY模板網(wǎng)！
