Windows系统keras＋tensorflow-gpu＋CUDA＋CUDNN的安装 与pycharm的配置

我也不想写这篇博客，但是为了纪念一下我搞了这么久（其实是怕换个电脑不会整了哈哈哈）。 闲话少说，开始本次教程。

Keras与Tensorflow的关系：

• Keras是基于TensorFlow和Theano（由加拿大蒙特利尔大学开发的机器学习框架）的深度学习库，是由纯python编写而成的高层神经网络API，也仅支持python开发。它是为了支持快速实践而对tensorflow或者Theano的再次封装。
• Keras默认的后端为tensorflow，如果想要使用theano可以自行更改。tensorflow和theano都可以使用GPU进行硬件加速，往往可以比CPU运算快很多倍。

Anaconda的配置

• Anaconda是一个集成了许多常见库如numpy， pandas等加python的安装包，可以省去很多额外安装包的麻烦。
  Anaconda的安装有许多教程我也不再赘述，但是要注意安装过程直接打勾的确方便很多。
  
  简单的Anaconda命令
• 一般为了独立，往往需要新建一个虚拟环境来配置tensorflow,先建立一个虚拟环境

在开始菜单找到Anaconda Prompt（anaconda 3） 右键管理员运行

conda create -n tensorflowenv anaconda

这样就建立了tensorflow的虚拟环境

• 切换到新建的虚拟环境

conda activate tensorflowenv

这时候可以看到开头变成了tensorflowenv

在虚拟环境安装tensorflow-gpu版本

• 但是这样是不能直接安装的,因为还没有进行CUDA与CUDNN的配置
  关于具体配置可查看这篇博文:
  CUDA和CUDNN的安装

• 选择tensorflow-gpu2.3.0 , cuda版本10.1, 以及cuDNN8.0.3之后, 就可以在虚拟环境中操作了.

• 现在再次进入tensorflowenv虚拟环境
  

• 安装tensorflow gpu版本

pip install tensorflow-gpu==2.3.0

然后再安装keras

pip install keras

---

至此虚拟环境的配置就完成了,下面是pychram的设置.
在程序编译器这里,选择虚拟环境下的python执行器

• 最后在pycharm输入以下代码,检验是否成功:

import tensorflow as tf
import keras
print(tf.__version__)
print(keras.__version__)

结束!