安装Anaconda和tensorflow的一些问题

最近打算了解一下机器学习，所以决定先配置一下环境

本文不是安装教程，只是针对安装过程中的一些问题进行说明

---

目录

 1.anaconda问题

1.1下载过程中选项问题

 1.2anaconda没有library/usr 

1.3anaconda版本查看

 2.cuda问题

2.1版本更新

3.tensorflow问题-gpu和 Toolkit 和 cuDNN

3.1创建和进入虚拟环境

3.2安装Toolkit 和 cuDNN

 3.3安装tensorflow-gpu

3.4gpu和cpu区别

3.5检测tensorflow-gpu是否安装成功

 4.pip换源

5.pycharm环境变量配置

6.其他报错

6.1报错如下：Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll not found

6.2报错如下：UserWarning: loaded more than 1 DLL from .libs:

---

 推荐安装视频：

Windows10下通过anaconda python3.9版本安装tensorflow以及配置到pycharm全过程 安装教程_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1yF411v7Z3?spm_id_from=333.1007.top_right_bar_window_history.content.click推荐安装文章：

Tensorflow-gpu安装超详细！！！_m0_49090516的博客-CSDN博客_tensorflowgpu安装https://blog.csdn.net/m0_49090516/article/details/113576003

---

 1.anaconda问题

1.1下载过程中选项问题

 Anaconad官网下载地址

Anaconda | The World's Most Popular Data Science Platformhttps://www.anaconda.com/

 在安装过程中，出现这个界面时，选择默认方式，也就是不选第一个，选第二个

安装最后环节中 

 1.2anaconda没有library/usr 

解决：Scripts后面加 \

1.3anaconda版本查看

---

这篇文章写的还是很详细，可以参考！！！

Anaconda详细安装及使用教程（带图文） - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/123188004

---

 2.cuda问题

2.1版本更新

在机器学习中，如果cuda版本过低是不支持的，因此在安装时一定要升级cuda，然后根据cuda版本去安装

1.打开cmd，输入

nvidia

2.查看信息

 如果版本号是 10以下的，需要进行升级

1.进入下面网址

官方 GeForce 驱动程序 | NVIDIAhttps://www.nvidia.cn/geforce/drivers/2.选择立即下载，安装，然后更新就行了

3.tensorflow问题-gpu和 Toolkit 和 cuDNN

3.1创建和进入虚拟环境

在 anaconda prompt里面输入以上指令

conda create --name tf2 python=3.7      # “tf2”是你建立的conda虚拟环境的名字
conda activate tf2                      # 进入名为“tf2”的conda虚拟环境

3.2安装Toolkit 和 cuDNN

安装tensorflow-gpu问题，安装 Toolkit 和 cuDNN 

这里补充一下，安装了gpu版本可以跑cpu，安了cpu只能跑gpu。并且，机器学习都是用gpu，不用cpu。这里介绍一下怎么安装gpu版本。还有就是下载上面两个就不需要下载 cuda

1.打开安装好的 anaconda prompt

 2.输入两条安装命令

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

 注意事项：安装的这个后面数字代表版本，一定要安合适版本安装！参考下面网址

Build from source on Windows  |  TensorFlow (google.cn)https://tensorflow.google.cn/install/source_windows?hl=en#gpu

3.检验安装是否成功

进入你的环境之后，输入python，然后输入下面代码

import tensorflow as tf
A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)
print(C)

 3.3安装tensorflow-gpu

pip install tensorflow-gpu==2.3.0

3.4gpu和cpu区别

tensorflow的CPU版本和tensorflow的GPU版本有什么区别

这么说吧，CPU和GPU是针对不同环境，就像老师和学生做算术题。老师会的多，学生人多！有点术业有专攻的味道！。下文的博主写的还比较详

tensorflow / tensorflow-gpu / tensorflow-cpu区别? - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/268081812

3.5检测tensorflow-gpu是否安装成功

 目前来说，已经配置好anaconda+tensorflow-gpu+Toolkit + cuDNN 后，来进行代码验证gpu版本安装是否成功

1.打开 anaconda prompt

2.输入 指令，后面的名字你创建的环境叫什么就是什么

activate tensorflow2

 3.输入 指令 

python

 4.输入检测代码

import tensorflow as tf
version=tf.__version__  #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
tf.test.is_built_with_cuda()  # 判断CUDA是否可用（True/False）

5.结果展示，出现下面界面代表正确安装

 4.pip换源

 换源有两种，零时换源和永久换源，这里我们进行永久换源

1.找到你的c盘用户名文件夹

 

 创建以上文件

pip.ini

 你先创建一个txt文件，然后把txt后缀改为ini后缀就行，然后里面内容如下：

[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

5.pycharm环境变量配置

pycharm配置tensorflow环境问题

1.新建一个文件夹，用来存放文件

 2.打开pycharm

 

 

 

 

 2，输入以下代码

import tensorflow as tf
version=tf.__version__  #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
tf.test.is_built_with_cuda()  # 判断CUDA是否可用（True/False）

6.其他报错

6.1报错如下：Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll not found

 解决办法：下载下面文件，放到你的 C:\Windows\System32，然后重启一下

cudart64_110.dll 免费下载 | DLL‑files.com (dll-files.com)https://cn.dll-files.com/download/c25912d53d053412fd58bb7bf0a25c1e/cudart64_110.dll.html?c=WmdpYnI1ZDYvSGVrMUpZTW5mYkIvdz09

6.2报错如下：UserWarning: loaded more than 1 DLL from .libs:

删除：D:\Anaconad\envs\tensorflow2\Lib\site-packages\numpy\.libs该目录下的

XWYDX2IKJW2NMTWSFYNGFUWKQU3LYTCZ.gfortran-win_amd64文件即可