标签：blog   com   很多   vat   ted   icon   方法   tps   lan   

最近开始做深度学习实验，在老师的推荐下准备采用tensorflow框架构建神经网络结构，在此记录下今天安装tensorflow2.0的过程和踩过的坑，方便以后复习，以及给后来者一个参考。

1.安装过程

1）需要安装的东西：

i.anaconda（或者miniconda，可以理解为精简版的anaconda，只保留了一些必备的组件，所以安装上会快很多，同时也满足我们管理python环境的需求）。

ii.CUDA和CuDNN（CPU版不用，GPU版必须）

iii.tensorflow

　　CUDA和CuDNN可以单独下载安装，也可以使用pip安装，笔者为了了解一下具体的安装环境，选择了手动下载的方式，

　　pip安装可以参考这篇贴子：https://www.cnblogs.com/xiaosongshine/p/11615639.html

2）环境准备

miniconda

conda是很好用的python管理工具，conda 是 Anaconda 下用于包管理和环境管理的工具，功能上类似 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行命令 conda可以很方便建立管理多个python环境，可以通过安装anaconda和miniconda使用conda，miniconda可以理解为anaconda的精简版本，只有少数的必备部件，安装起来相对快很多，同时也能满足我们管理python环境的需求。

miniconda推荐使用清华镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

选择自己需要的版本：

• windows推荐地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Windows-x86_64.exe
• ubuntu推荐地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Linux-x86_64.sh
• Mac os推荐地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-MacOSX-x86_64.pkg

注意这两个都要勾选，一个是让我们可以直接在cmd使用conda指令，第二个是把miniconda自带的python3.7作为系统python。

安装好后就可以在cmd中使用conda指令了，cmd打开方式，windows键+R键，弹出输入框，输入cmd就进入了。也可以直接在windows搜索cmd点击运行。

 介绍一些后面会用到的conda命令命令：参考：https://blog.csdn.net/simuLeo/article/details/91486240

1. 查看conda环境：conda env list
2. 新建conda环境(env_name就是创建的环境名，可以自定义)：conda create -n env_name
3. 激活conda环境（ubuntu与Macos 将conda 替换为source）：conda activate env_name
4. 退出conda环境：conda deactivate
5. 移除conda环境：conda create --clone tensorflow --name tf
6. 安装和卸载python包：conda install numpy # conda uninstall numpy
7. 查看已安装python列表：conda list -n env_name

CUDA和CuDNN

介绍一下本机环境，操作系统：windows10，显卡设备：NVIDIA GeForce MX150.为什么要介绍显卡设备呢？

　　CUDA是NVIDIA推出的运算平台，CuDNN是专门针对深度学习框架设计的一套GPU计算加速方案，在安装之前要确认本机是不是NVIDIA显卡，如果不是的话不能兼容。

在安装之前，要先查一下tensorflow和CUDA是否支持，笔者采用的是python3.7，cuda10.0和tensorflow2.0.之前因为版本不兼容费了好大劲，走了很多弯路。

安装cuda_10.0.130_411.31_win10：（下载地址：https://developer.nvidia.com/cuda-toolkit-archive）

运行cuda_9.0.176_win10.exe。安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。

如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。

 在选项着一栏选择自定义，否则安装程序会一股脑把里面所有软件包都给你装上。

 我因为不知道那些事需要的，就都装上了。

安装CuDNN，下载地址：https://developer.nvidia.com/rdp/cudnn-download（下载CuDNN需要注册账号，注册过程比较简单），注意选择与CUDA对应的版本。

解压压缩包cudnn-9.0-windows10-x64-v7.0.zip，得到三个文件夹

 将这三个文件拷贝到CUDA9.0的安装路径根文件夹下

 tensorflow2.0（笔者安装的是CPU版本）

新建TF2.0 GPU环境（使用conda 新建环境指令 python==3.6表示在新建环境时同时python3.6）

conda create -n TF_2G python=3.6

 当弹出 ：Proceed ([y]/n)? 输入y回车

 完成后就可以进入此环境

conda activate TF_2G

安装TF2.0 GPU版本（后面的 -i 表示从国内清华源下载，速度比默认源快很多）

pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装成功后会有如下提示：

测试TF2.0 GPU版本(把下面代码保存到demo.py使用TF_2G python运行)

1 import tensorflow as tf
2 version = tf.__version__
3 gpu_ok = tf.test.is_gpu_available()
4 print("tf version:",version,"\nuse GPU",gpu_ok)

测试结果

小白入坑，各种踩雷，历时一天终于趟过去了

谢谢两位大神的帖子：

1：https://www.cnblogs.com/xiaosongshine/p/11615639.html

2：https://blog.csdn.net/weixin_39290638/article/details/80045236?depth_1-utm_source=distribute.pc_relevant_right.none-task&utm_source=distribute.pc_relevant_right.none-task

一个小问题：

python pip升级失败（python -m pip install --upgrade pip）

问题：服务器连接超时

解决方法：python -m pip install --upgrade pip -i https://pypi.douban.com/simple

windows10系统下安装tensorflow2.0

标签：blog   com   很多   vat   ted   icon   方法   tps   lan   

原文地址：https://www.cnblogs.com/yykm/p/12569062.html