Tensorflow-gpu1.x版本和Tensorflow-gpu2.x版本共存之法

内容介绍

本篇介绍如何在Windows10系统下让 Tensorflow-gpu1.X 版本和 Tensorflow-gpu2.X 版本共存，且可以满足日常工作。

要把需要用到的软件下载好，尤其要注意并不是最新版就是最好的，而是需要挑选相对稳定的，相互冲突少的。

这里推荐的2个共存版本分别是 Tensorflow-gpu1.13.1（虚拟环境）和 Tensorflow-gpu2.0.0（开发环境）。

可以看下我的工程目录。

以我笔记本显卡 NVIDIA-GTX-1060 举例，如果你的显卡不是这个版本的查看我的另外一篇文章 Win10+Python3.8+Tensorflow-gpu 2.4.0 环境搭建及使用最简流程，查询你显卡的对应版本。

需要安装插件	TF1.x 依赖及版本	TF2.x 依赖及版本
Python版本	3.6.x	3.6.x
TF-GPU版本	1.13.x	2.0.0
CUDNN	7.3.1	7.3.1
CUDA	10.0	10.0

安装tensorflow-gpu1.13.1

如果没有安装anaconda，先自行安装。

1.创建虚拟环境 tf113

# 在cmd以管理员身份运行
conda create -n tf113 python=3.6.9

2.激活 tf113 安装 cudatoolkit 及 cudnn

# 查看可供安装的版本
conda search cudatoolkit

# 安装10.0.130
conda install cudatoolkit=10.0.130

# 查看cudnn的版本
conda search cudnn

# cuda10.0的cudnn有两个版本，选择一个
conda install cudnn=7.3.1

# 查看tensorflow-gpu可供选择的版本
conda search tensorflow-gpu

# 安装该版本
conda install tensorflow-gpu=1.13.1

安装tensorflow-gpu2.0.0

# 在cmd以管理员身份运行
conda create -n tf200 python=3.6.2

# 激活虚拟环境tf200     
conda activate tf200

# 安装cuda                    
conda install cudatoolkit=10.0.130

# 安装cudnn
conda install cudnn=7.3.1

# 安装tensorflow-gpu 2.0.0   
# 注意：conda search tensorflow-gpu 2.0.0 的库中如果没有该版本的tf包则用pip进行安装
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

测试tf2.0。

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

>>> tf version: 2.0.
>>> use GPU True