TensorFlow2.0.0 环境配置

标签：new   因此   code   交互式   int   导致   tom   解压   uda   

windows10 + Anconda + CUDA10.0 + cudnn + TensorFlow2.0.0

安装过程中，最重要的是将版本对应起来

1. Anaconda 安装

   通过安装anaconda软件，可以同时获得 Python 解释器、包管理，虚拟环境等一系列的便捷功能，尤其是当你需要不同的 python版本时，很方便创建。

   这个去官网下载就可以了： https://www.anaconda.com/distribution/#download-section

2. CUDA安装

   目前深度学习框架大都基于 NVIDIA 的 GPU 显卡进行加速运算，因此需要安装 NVIDIA 提供的 GPU 加速库 CUDA 程序。

   安装之前需要先查看自己的电脑显卡型号

   找到自己所符合的cuda版本

   然后去官网上下载对用的版本：https://developer.nvidia.com/cuda-10.0download-archive

   推荐下载本地安装包，下载完后，解压开始安装，需要注意的几点是：

   • 选择 custom 选项，这样可以只安装自己想要的

   • 在 CUDA 节点下取消安装 Visual Studio Integration

   • 在 Driver components 节点下，对比 New Version 和 Current Version 版本，如果 Current Version 大于 New Version ，则需要取消 Display Driver 的勾，如果小于或等于，则默认勾选即可

   • 检测 cuda 是否安装成功，win + R 打开命令行，输入 nvcc -V ，输入下面信息则安装成功

3. cudnn 安装

   cudnn 库并不是运行程序，只需要下载解压 cuDNN 文件，并配置 Path 环境变量即可

   在官网上下载 cuda 10.0 匹配的 cudnn 版本，下载 cudnn 的时候需要先注册一个账号

   

   下载完成后，解压后将 cuda 的文件夹重命名为 cudnn765，并复制此文件夹进入 cuda 的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，粘贴“cudnn765”文件夹即可

4. 环境变量 Path 配置

   上述 cudnn 文件夹的复制即已完成 cuDNN 的安装，但为了让系统能够感知到 cuDNN 文件的位置，需要额外配置 Path 环境变量。

   打开“此电脑”，选择“属性”，选择“高级系统设置”，选择“环境变量”。在“系统变量”一栏中选中“Path”环境变量，选择“编辑”，选择 “新建”，输入 cuDNN 的安装路径“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn765\bin”，并通过“向上移动”按钮将这一项上移置顶。

   此时环境变量中应该包括以下三项：

   

5. TensorFlow2.0.0 安装

在 anaconda 创建一个独立的 python=3.6 版本

conda create --name tensorflow-gpu python=3.6

再使用清华源来安装 tensorflow2.0.0（这里需要注意的是最好指定版本，最开始我自己没指定，下载的是最新的版本2.1.0，导致在使用的时候有个库找不到，这个库 cuda10.1 版本才有）

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

下载完成后，来测试是否安装成功，输入 python 进入 python 交互式终端，输入

import tensorflow as tf

没错的话，继续输入

tf.test.is_gpu_available()

如果最后出现 True，恭喜你，安装成功，若失败，则需要再次检测CUDA，cuDNN，环境变量等步骤

TensorFlow2.0.0 环境配置

标签：new   因此   code   交互式   int   导致   tom   解压   uda   

原文地址：https://www.cnblogs.com/alivinfer/p/12808896.html