anaconda配置tensorflow-gpu环境并在jupyter notebook使用（两种方法：命令行/anaconda内）

本文是有关anaconda配置tensorflow-gpu环境，将通过命令行和anaconda内两种方式，读者可自行选择，let’s go！
以下目录1、2两章内容相同，方式不同，择其一即可。

一、anaconda内创建tensorflow虚拟环境

1.创建环境：打开anaconda，选择左侧environments，点击该页面左下create（见下图）

2.在创建页面：输入name：tensorflow_gpu(可自行拟定 但一定要自己能看懂），选择python版本，根据需求选择并确定。

成功会显示如下图

3.安装相关的python第三方库：点击tensorflow_gpu（下图绿色三角键，选择 open terminal
命令行输入：

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

成功图示：

4.安装tensorflow、tensorflow-gpu：同第三步命令行窗口安装
安装tensorflow：
（这里请自行选择是默认安装最新版或指定版本，选其一即可）
最新版（默认）：

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

指定版本：

pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装 tensorflow-gpu：
最新版（默认）：

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

指定版本：

pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

至此，环境配置完成！
5.测试tensorflow_gpu环境是否安装成功：配置完成后，通过以下测试确定配置成。
首先，查看tensorflow,tensorflow_gpu安装是否成功，仍然是上述命令行输入

pip list 

查询库，如果能找到tensorflow,tensorflow_gpu，即为成功。

其次，查看tensorflow-gpu环境是否成功，在上述第三步同样位置，（下图）点击Open with Python
运行下述语句，观察是否报错，不报错即为成功。

import tensorflow as tf

至此，我们只是完成了环境的配置，但还是没有使用到电脑中的gpu来工作。

6.安装CUDA：博主之前的文章有详细介绍，链接在这啦https://blog.csdn.net/Ang_go/article/details/122329715
**７.安装cudnn:**点击tensorflow_gpu环境,右侧上方下拉栏选择all,找到cudnn和cudatoolkit,点击apply
至此,全部完成配置.

8.jupyter中使用:
open terminal中输入

python -m ipykernel install --user --name=tensorflow_gpu #等号后是环境名称,填写自己设置的 

在anaconda中下载jupyter notebook
并建议创建环境在桌面/开始菜单快捷方式
**9.测试:**打开jupyter, 创建一个新notebook,
new->tensorflow_gpu(环境名)(注意:这里我的图文不符,请勿搞混,就是选择自己设置的那个)

输入以下代码:

import tensorflow as tf
import numpy as np
import os
import matplotlib.pyplot as plt
 
print("TensorFlow version is :",tf.__version__)
print("Keras version is :",tf.keras.__version__)
print("GPU is","available" if tf.test.is_gpu_available()else "NOT AVAILABLE")

若显示GPU is avalible,即为成功!

二、命令行终端（Anaconda Prompt）创建tensorflow虚拟环境

1.打开Anaconda Prompt,创建tensorflow_gpu(环境名称可自取,下文相关操作请使用自己设置的名称)环境,命令行输入

conda create -n 环境名称 python=版本号 

例:

conda create -n tensorflow_gpu python=3.8

直至安装完成.

2.进入tensorflow_gpu环境中:输入

activate tensorflow_gpu

并安装下述库(均为相关模块,不安装后续会报错):

conda install ipython
conda install jupyter
ipython kernelspec install-self --user

3.安装CUDA：博主之前的文章有详细介绍，链接在这啦https://blog.csdn.net/Ang_go/article/details/122329715
4.安装cudnn: https://developer.nvidia.com/cudnn官网下载cudnn

并将cudnn安装包进行解压缩，将里面的文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2中(cuda安装路径中)
5.安装tensorflow-gpu:
打开Anaconda Prompt,进入环境并安装

activate tensorflow_gpu#进入环境,tensorflow_gpu为环境名称(自行设置那个)

conda install tensorflow-gpu #安装tensorflow-gpu

安装完成后即为完成!

6.jupyter中使用:
在anaconda中下载jupyter notebook
并建议创建环境在桌面/开始菜单快捷方式
**7.测试:**打开jupyter, 创建一个新notebook,
new->tensorflow_gpu(环境名)(注意:这里我的图文不符,请勿搞混,就是选择自己设置的那个)

输入以下代码:

import tensorflow as tf
import numpy as np
import os
import matplotlib.pyplot as plt
 
print("TensorFlow version is :",tf.__version__)
print("Keras version is :",tf.keras.__version__)
print("GPU is","available" if tf.test.is_gpu_available()else "NOT AVAILABLE")

若显示GPU is avalible,即为成功!