python 深度学习环境安装（tensorflow-gpu）

---

一、安装Anaconda

本文主要通过Anaconda来配置深度学习环境。
可以通过Anaconda官网下载附链接：
https://www.anaconda.com/
判断是否安装成功win+r调出cmd
输入如下指令

conda -V

出现以上结果，表示安装成功。

1.换源

接下来我们要对Anaconda进行换源，Anaconda默认源下载比较慢，我们需要换清华源或者中科院源，以清华源为例，终端输入：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleitk

判断是否换源成功，终端输入：

conda info

出现以上结果，表示换源成功。

2.常用指令

接下来是Anaconda常用的一些指令
查看已有的虚拟环境：

conda env list

新建虚拟环境

conda create --name 环境名

进入虚拟环境：

conda activate 环境名

退出虚拟环境：

conda deactivate

删除虚拟环境：

conda remove -n 环境名 --all

复制虚拟环境：

conda create -n conda-env2 --clone conda-env1

这里conda-env2是新创建的虚拟环境，conda-env1是被复制的虚拟环境，这个一定要注意。

二、安装cuda和cudnn

1.对应版本

在安装Tensorflow-gpu之前，我们需要按照以下表来安装cuda跟cudnn对应的版本，下面是cpu跟gpu对应的版本：
CPU：

GPU：

如果以上表格，找不到想要安装的版本，可以访问tensorflow官网进行查看，附链接：https://tensorflow.google.cn/install/source_windows#gpu

2.创建虚拟环境

首先，我们通过Anaconda来创建虚拟环境：

conda create -n csdn python=3.7

创建虚拟环境名称为csdn。
输出y完成创建

如图所示，完成创建

3.激活虚拟环境

activate csdn

如图所示，左侧显示虚拟环境名称。

4.安装cuda

conda install cudatoolkit=10.1

对应版本，根据需求进行修改。
输入y进行安装

如图所示，完成安装。

4.安装cudnn

conda install cudnn=7.6

输入y进行安装

如图所示，完成安装

三、安装tensorflow的GPU版本

pip install tensorflow-gpu==2.1.0

如图所示，正在进行安装

安装完成

1.判断是否安装成功

接下来进行测试，判断是否安装成功。
在虚拟环境中输入python进入python环境
然后输入import tensorflow as ts
如图所示

再次输入ts.test.is_gpu_available()
如图所示，为True表示安装成功。

四、pycharm配置虚拟环境

1.新建项目

2.配置环境

3.完成创建

总结

本文主要通过Anaconda来配置tensorflow-gpu环境，介绍了如何新建虚拟环境，下载cuda，cudnn，tensorflow-gpu，以及判断是否安装成功，最后介绍了在pycharm中新建项目来配置虚拟环境。