之前摸索tensorflow的時候安裝踩坑的時間非常久，主要是沒搞懂幾個東西的關系，就在瞎調試，以及當時很多東西不懂，很多報錯也一知半解的。這次重裝系統后正好需要再配置一次，把再一次的經歷記錄一下。我的電腦是華為的matebook13，intel i5-8625U，MX250顯卡，win10系統。（不得不吐槽很垃圾，只能滿足測試測試調調代碼的需求）
深度學習利用Tensorflow平臺，其中的Keras Sequential API對新用戶非常的友好，可以將各基礎組件組合在一起來構建模型。
（官網： https://tensorflow.google.cn/?hl=zh-cn）
安裝Tensorflow 分為 tensorflow_cpu 和 tensorflow_gpu版本
GPU就是用來渲染計算的，GPU版本計算性能是CPU的百倍之快。如果電腦沒有獨立顯卡只能用CPU版本計算。
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） 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。
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換，就是安裝完了前面三個東西再安裝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。這三個步驟的版本需要格外的注意，一旦三個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tensorflow官網所給配置，我們要去檢查電腦gpu的cuda支持版本，再去對應下載python版本和tensorflow版本。
右鍵 桌面>NVIDIA控制面板>幫助>系統信息>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：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，這次因為已經安裝了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虛擬環境（但不是很建議）。
第一步，安裝anaconda
anaconda會對應安裝python環境，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。
官網安裝：https://www.anaconda.com/products/individual，之前版本如果官網沒有可能需要找資源。
第二步，安裝cuda工具包
（官網：https://developer.nvidia.com/zh-cn/cuda-toolkit）
CUDA是 NVIDIA 專為圖形處理單元 (GPU) 上的通用計算開發的并行計算平臺和編程模型。借助 CUDA，開發者能夠利用 GPU 的強大性能顯著加速計算應用。在經 GPU 加速的應用中，工作負載的串行部分在 CPU 上運行，且 CPU 已針對單線程性能進行優化，而應用的計算密集型部分則以并行方式在數千個 GPU 核心上運行。使用 CUDA 時，開發者使用主流語言（如 C、C++、Fortran、Python 和 MATLAB）進行編程，并通過擴展程序以幾個基本關鍵字的形式來表示并行性。由于tensorflow最高版本對應的是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是用于深度神經網絡的GPU加速庫.注意安裝的版本，選擇自身cuda版本對應的cudnn下載。
官網：https://developer.nvidia.com/rdp/cudnn-archive ，cuDNN的下載需要注冊官網的賬號
下載好的cudnn文件解壓后，將文件夾內的文件放到cuda對應文件夾下，注意：是文件夾內的文件，而不要直接復制替換文件夾
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，下載慢掛載一個鏡像源 -i https://pypi.tuna.tsinghua.edu.cn/simple
安裝完成：
測試是否安裝成功：
- import tensorflow as tf
- tf.test.is_gpu_available()
True即表示安裝成功了。
查看版本號：
至此安裝成功，可以跑一個小程序測試一下。
- 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。
經過幾天調了一下代碼之后發現tensorflow2相對與1還是有挺多改動的，1里面能夠運行的代碼可能2里面需要一定的修改。
關于Tensorflow2和1上面keras的一些區別可以搜一下相關的資料。
到此這篇關于Window10上Tensorflow的安裝(CPU和GPU版本)的文章就介紹到這了,更多相關Window10安裝Tensorflow 內容請搜索服務器之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/qq_40185784/article/details/111165906
