关于tensorflow:一次Windows10环境上搭建Tensorflow的记录

长话短说，间接应用 Anaconda 装置 Python 环境以及一些罕用的软件包
官网比较慢，能够应用清华的开源镜像站下载适合的版本：

https://mirrors.tuna.tsinghua…

本文应用的是 Anaconda3-2018.12-Windows-x86_64 版本

装置过程不再赘述，记得把不举荐的「配置环境变量」选项选上

装置胜利后，能够查看 python 版本：

官网地址：https://www.nvidia.cn/geforce…

留神：搜寻适合的驱动程序之后，会默认下载 DCH 版本驱动，装置时可能会呈现以下问题

所以，在下载时，须要将链接中的 dch 去掉，下载标准版驱动

上边那个才是标准版的，不要下载成下边的 DCH 版本的了

CUDA (Compute Unified Device Architecture) 是一种由 NVIDIA 推出的用于自家 GPU 的并行计算架构，该架构使 GPU 进行能够大量并行计算，可能解决简单的计算问题。

CUDA 的实质上就是一个工具包（ToolKit），本文抉择的是 CUDA 10 版本

装置胜利后去 cmd 执行 nvcc -V，能够看到版本号信息

如上所述，CUDA 并不是针对于神经网络的 GPU 减速库，它是面向各种须要并行计算的利用而设计的。为了可能更疾速的训练神经网络，还须要额定装置 cuDNN。

NVIDIACUDA®深度神经网络库 (cuDNN) 是 GPU 减速的用于深度神经网络的原语库。
援用
cuDNN 为规范例程提供了高度优化的实现，例如向前和向后卷积，池化，规范化和激活层。

也就是说，能够将 cuDNN 了解为是一个 SDK，是一个专门用于神经网络的减速包，本文抉择的是 cuDNN v7.6.5.32 版本

解压 cnDNN 压缩包，将其中的 cuda 文件夹复制到 CUDA 的装置目录中，本文应用的是默认门路：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

解压实现后，须要在零碎变量的 Path 变量中减少其 bin 门路，并将该项置顶：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cuda\bin

装置 Anaconda 时，同时装置上了 Python 包管理工具 pip，这里就能够间接应用 pip install 命令装置 TensorFlow 了

为了减速装置，应用 - i 命令装置清华源的包，本文装置的是 TensorFlow GPU 的 2.0.0 版本：

pip install -U tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.ed…

装置时可能某些包会呈现一些谬误，比方 wrapt 装置失败

执行命令独自装置下那些出错的包就好了，比方：

pip install -U –ignore-installed wrapt

而后重新安装 TensorFlow 即可

装置好了，连忙去 Hello World 一下
在 cmd 输出 ipython，而后执行

import tensorflow as tf

如果呈现了 numpy 相干的谬误，能够是因为版本不匹配导致的
应用 pip show numpy 命令查看到以后的 numpy 版本是 1.15.4，而后应用清华源装置最新的 numpy

pip install –upgrade numpy -i https://pypi.tuna.tsinghua.ed…

将版本升级为 1.21.4

再去试试

至此，TensorFlow 算是装置实现了。

安装包：https://blog.csdn.net/zimiao5…
清华源：https://pypi.tuna.tsinghua.ed…

1. 搭建 Python 环境