本篇文章只做基本的流程概述，不闡述具體每個軟件的詳細安裝流程，具體的流程網上教程已經非常豐富。主要是給出完整的安裝流程，以供參考
環(huán)境很重要
一個好的算法環(huán)境往往能夠幫助開發(fā)者事半功倍，入門學習的時候往往搭建好環(huán)境就已經成功了一半。
在機器學習或者深度學習的設計研究中，人們往往會使用已經有的網絡框架來構建網絡模型和設計各種識別分類或者生成算法。
主要可以給我們學習和使用的框架這里推薦兩個：Tensorflow或者Pytorch。
當然也有很多其它優(yōu)秀的框架等待我們學習和使用，例如國內有百度的PaddlePaddle飛槳、Caffe等。后面的內容我們首先在Tensorflow或者Pytorch上開展，畢竟這是大家使用最多的兩個框架。
下面是一些主流的網絡框架及其標志
1、安裝Python
安裝python想必各位都已經看過網上各種各樣的教程了。但是這里還是多說一句，希望大家無論在windows平臺還是linux平臺上，都安裝conda等環(huán)境管理工具使用。學習的過程中往往需要復現他人的大量算法，學習別人撰寫代碼的經驗，所以會經常安裝不同類型的環(huán)境，使用conda能夠極大的便捷我們在環(huán)境上的使用。關于python的安裝版本，在研究19年以前的算法上推薦使用python3.6，近幾年的算法則3.7 3.8均可。安裝conda時注意系統環(huán)境變量的設置。
常用的conda命令和pip安裝命令可以參考：
conda常用命令
2、需要一個好用的IDE或者編輯器
這里推薦使用Pycharm或者VSCode，提示一下，Pycharm的專業(yè)版對學生可以申請免費使用， 用學信網的學歷認證進行申請，每次更新一次。當然，也完全可以使用免費的VSCode
3、對于GPU設備，安裝CUDA工具包
如果你的設備有英偉達的CPU設備，那么你可以進一步安裝CUDA和cuDNN，CUDA是利用GPU中CUDA進行計算的關鍵軟件和驅動，cuDNN則專門針對深度學習提供了一些開發(fā)接口，二者是利用GPU進行深度學習的關鍵，同時CUDA和cudnn的版本之間存在嚴格對應關系。
上圖是英偉達官網的版本要求，特點要關注表格第一列和第二列。下載對應版本的CUDA和cudnn安裝。
考慮實際，往往會安裝多個CUDA版本來適應不同版本的深度學習框架，注意安裝時在系統環(huán)境變量中設置清楚。
對windows用戶，安裝CUDA前最好安裝Visual Studio并安裝C++工作負載。新卡安裝2019,舊卡安裝2017（當然VS得選項并非必要條件，如果以后想深入學習NN算法，那最好先行安裝一個。后面的內容默認安裝了19，或17的任何一個版本，來對windows提供完整的C++支持）
值得注意：在最新的RTX30系列顯卡以及之后的顯卡中不在支持CUDA11以前的版本。意味著CUDA10.0和10.1，10.2三個大版本將無法直接在新顯卡使用，Tensorflow2.4.0以及之前版本，Pytorch1.7.1及以前的版本無法正常使用，如果有需要可以在英偉達官網下載適配新卡的專用包安裝使用。
安裝cuda前請先明確是否有特定的版本限制，深度學習框架一搬均有特定版本cuda限制。
4、給python安裝相關包
在正確安裝conda后，這里我們舉例構建一個初學Tensorflow的基礎環(huán)境
第一步，創(chuàng)建虛擬環(huán)境并打開虛擬環(huán)境：
# bash / Shell
conda create -n tensorflow260 python=3.7
conda activate tensorflow260
第二步，安裝相關工具包，以下未指定版本，pip將安裝最新版本，只適用學習，復現程序時需要安裝指定版本的包，這步在環(huán)境配置中及其重要，正確安裝完整的，對應版本的包是后續(xù)研究的基礎。
# bash / Shell
# 跟新pip
pip install --upgrade pip
# 檢查當前環(huán)境中包情況，并無任何ERROR和WORNING
pip list
# 直接安裝指定版本tensorflow：pip install tensorflow==x.x.x
pip install tensorflow
# pip會自動安裝需要的各種依賴包，下載過慢的話可以選擇切換下載服務器（下例為中科大鏡像）：
pip install tensorflow -i https://pypi.mirrors.ustc.edu.cn/simple/
# 安裝TensorBord
pip install tensorbord
# 安裝繪圖工具
pip install matplotlib
# 安裝機器學習常用庫
pip install scikit-learn
5、TensorFlow舊版本對CUDA的支持情況
在安裝舊版本TensorFlow前需要先安裝對應的CUDA和cudnn。
6、檢查環(huán)境
檢查cuda：
# 查看cuda版本
nvcc -V
檢查cudnn，在cuda安裝目錄中執(zhí)行測試程序，例如在路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite下執(zhí)行bandwidthTest.exe和deviceQuery.exe，不報錯則說明安裝成功。
檢查tensorflow對gpu支持
# 激活虛擬環(huán)境后：
python
import tensorflow as tf
# tensorflow1,如果返回True則說明安裝成功
print(tf.test.is_gpu_available())
# tensorflow2,如果列表不為空說明成功
print(tf.config.list_physical_devices('GPU'))
應用實例
考慮tensorflow目前具有眾多版本，所以后面相關的tf博客除非特殊說明，均使用以下軟件環(huán)境：文章來源：http://www.zghlxwxcb.cn/news/detail-798383.html
cuda = 11.8 # CUDA也可以使用11.2版本
python=3.7
numpy==1.19.5
matplotlib== 3.5.3
notebook==6.4.12
scikit-learn==1.2.0
tensorflow==2.6.0
keras==2.6.0
同時在安裝好CUDA后記得檢查環(huán)境變量，系統PATH中應該包含：
文章來源地址http://www.zghlxwxcb.cn/news/detail-798383.html
到了這里，關于深度學習筆記（二）——Tensorflow環(huán)境的安裝的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！
