基于Anaconda3配置安装tensorflow（gpu）环境（详细步骤和常见报错）

系统：win10

版本：anaconda3（内置python3.7版）+ tensorflow2.0.0

一、安装anaconda3

1、直接官网https://www.anaconda.com/download/安装内置python3.7的Anaconda，安装点next到底就行。

 

注意此处两项都要勾选。（第一项是将anaconda路径自动配置为环境变量）

2、安装好后进行环境变量的测试

从开始菜单进入到中的Anaconda Prompt命令模式

3、检测Anaconda环境是否安装成功：conda --version

Anaconda安装成功。

二、安装tensorflow（CPU版本）

网上教程多为命令行安装，而本文介绍比较简单的图像化界面安装方法。

1、创建python虚拟环境

进入Anaconda Navigator，如图点击创建python3.7的虚拟环境。

初始Environments里只有一个base(root)，图中的另两个Environments即为自己创建的。

2、安装python库

点击安装好的，选择open Terminal

键入命令安装numpy matplotlib pillow scikit-learn pandas等python库

pip install numpy matplotlib pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

3、安装tensorflow2.0.0

键入命令：

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

4、检测安装效果

 依次键入

python
import tensorflow as tf
tf.__version__

若返回正确的tensorflow版本号，则cpu版的tensorflow安装成功。（注意，在python3.7环境下，必须使用tensorflow2.0.0，其他版本可能导致报错）

三、安装tensorflow（GPU版本）

安装GPU版本必须先执行完上面的第二步。

版本：TensorFlow2.0.0+CUDA10.0+cuDnn7.6.4（三个版本必须一致，否则会报错）

具体操作步骤参考https://www.icourse163.org/learn/XUST-1206363802?tid=1206674203#/learn/content

或直接pdf文档下载链接：https://pan.baidu.com/s/1mXQYnrOVdIfpTC3SB0eUkw 提取码：3c7l

这里主要记录安装过程中的几个注意点和报错：

1、文中安装GPU的代码应替换为：

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

2、安装cpu版后，未报错，再安装gpu版时，使用tf.test.is_gpu_available()测试时报错：ERROR: tensorflow 2.0.0 has requirement tensorboard<2.1.0,>=2.0.0, but you'll have tensorboard 2.1.1 which is incompatible.

这个错我解决得有点玄学，不过还是记录一下。直接新建一个python3.7虚拟环境，再新的环境中重新安装TensorFlow2.0.0

//1.安装tensorflow：
pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
//2.安装tensorflow-GPU：
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
//3.测试（不报错即为安装成功）
python
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()

 

3、安装gpu后，使用tf.test.is_gpu_available()测试时报错：failed call to cuInit: CUDA_ERROR_UNKNOWN: unknown error Windows

错误的本质原因是你安装的cuda和cudnn的版本不匹配，比如本文中CUDA10.0匹配的是以下这几个cudnn，你只需重新下载匹配的cudnn，再配置cudnn，最后重新使用1中的pip指令安装gpu即可。

查看下载cuda与cudnn的版本匹配：https://developer.nvidia.com/rdp/cudnn-archive

更多版本对应关系见：https://blog.csdn.net/qq_27825451/article/details/89082978

最后，测试成功的截图：

注：本文仅记录配置TensorFlow的过程中遇到的问题及解决方案，欢迎理性讨论。