tensorflow基础学习-anaconda方式安装tensorflow（gpu-1.15.0版本）
前言
关于anaconda方式安装tensorflow(cpu版本)之前已经有博客写过了。这一次更新一下anaconda方式安装tensorflow（gpu版本），他们的区别在于TensorFlow-gpu版对安装的要求要高些，需要NVIDIA的驱动及CUDA工具支持。
1、关于CPU、GPU、CUDA、cuDNN的理解
关于这一块，我刚刚入门，就直接引入了别人写好的理解关于CPU、GPU、CUDA、cuDNN的理解
gpu与cpu
GPU（图像处理器，Graphics Processing Unit）和CPU（中央处理器，Central Processing Unit）在设计上的主要差异在于GPU有更多的运算单元（如图中绿色的ALU），而Control和Cache单元不如CPU多，这是因为GPU在进行并行计算的时候每个运算单元都是执行相同的程序，而不需要太多的控制。Cache单元是用来做数据缓存的，CPU可以通过Cache来减少存取主内存的次数，也就是减少内存延迟（memory latency）。GPU中Cache很小或者没有，因为GPU可以通过并行计算的方式来减少内存延迟。因此CPU的Cahce设计主要是实现低延迟，Control主要是通用性，复杂的逻辑控制单元可以保证CPU高效分发任务和指令。所以CPU擅长逻辑控制，是串行计算，而GPU擅长高强度计算，是并行计算。
GPU加速是通过大量线程并行实现的，因此对于不能高度并行化的工作而言，GPU就没什么效果了。而CPU则是串行操作，需要很强的通用性，主要起到统管和分配任务的作用。
CUDA
CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。
cuDNN
cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。
2、检查硬件环境配置
（1）检查显卡驱动信息
先找到NVIDIA Control Panel，检查驱动版本是否支持CUNA10.0
我的驱动是457.52，所以可以进行接下来的安装，如果发现电脑驱动过低，我看到有些博客有谈到可以在NVIDIA官网更新驱动
（2）安装前确定版本信息
我这里打算安装
tensorflow1.0+的版本可能更适用于初学者学习网上的代码
3、创建虚拟环境
打开Anaconda中的 Anaconda Prompt
输入命令创建新的虚拟环境
conda create -n TF115GPU python=3.7.0
注意安装的版本，这里的版本和上面的表格是对应的
4、激活虚拟环境
输入命令
activate TF115GPU
或者
conda activate TF115GPU
这种在服务器上输入必须加入conda
进入虚拟环境
5、安装CUDA
查看可供安装的版本
conda search cudatoolkit
查看之前我要安装的tensorflow_gpu-1.15.0，我需要安装cuda版本是10.0的
安装cuda命令
conda install cudatoolkit=10.0.130
我这里第一次安装的时候出现了错误
猜测可能访问速度过慢导致的报错，于是简单直接重新安装了一次就好了，后来查了一下关于这个错误的解决方法解决方法
5、安装cudnn
同样，先查找可安装的版本
conda search cudnn
我安装cudnn版本是7.6.0的，这里很多地方都说装的版本是7.4.1，但是会报错，按照自己系统的来，按照7.6.0就不会报错了
进行安装
conda install cudnn=7.6.0
6、安装tensorflow-gpu
同样，可以查看可安装的版本
conda search tensorflow-gpu
我这里安装的是tensorflow1.15.0
conda install tensorflow-gpu=1.15.0
conda安装不成功可以尝试pip安装
pip install tensorflow-gpu==1.15.0
7、安装成功进行测试
这里还是可以采用三种方法进行测试，测试方法见anaconda安装tensorflow的第四点：安装成功后进行测试（三种方法）
完成后我们可以查看安装的版本
conda list
重新进行测试
import tensorflow as tf
hello = tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))
两种方式均安装成功
补充
ps：删除虚拟环境
我之前爬坑装了好几个虚拟环境，现在需要删除一下
conda remove -n TF113GPU --all
中间替换成自己定义的虚拟环境名
8、后期遇到的问题
（1）OpenCV
后面在使用这个环境过程中，引入OpenCV，使用imshow
报错
File "d:/LearningData/deepLearning/tensorflow_exercise/img_base/imgReadingOrShow.py", line 17, in <module>
cv2.imshow('image', img)
cv2.error: OpenCV(3.4.2) C:\Miniconda3\conda-bld\opencv-suite_1534379934306\work\modules\highgui\src\window.cpp:356: error: (-215:Assertion failed) size.width>0 && size.height>0 in function 'cv::imshow'
原因
opencv是根据当前python版本自动安装对应版本的，但是用opencv中的DNN模块最好是最新版本才不会出现报错，所以更新opencv版本，通过pip进行安装
使用pip安装opencv-python:
pip install opencv-python
安装第三方包opencv-contrib-python:
pip install opencv-contrib-python
（2） Tensorflow 与numpy版本不对应
Traceback (most recent call last):
File "d:/LearningData/deepLearning/tensorflow_exercise/img_base/imgReadingOrShow.py", line 2, in <module>
import cv2
File "D:\anaconda\envs\TF115GPU\lib\site-packages\cv2\__init__.py", line 8, in <module>
from .cv2 import *
ImportError: numpy.core.multiarray failed to import
在修改之前我的tensorflow版本是1.15.0，而numpy版本是1.21.4.接下来进行降低版本
卸载numpy
pip uninstall numpy
尝试安装低版本的 numpy
pip install numpy==1.18.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/
（3）完成上两步后重新测试有了新的报错
File "D:\anaconda\envs\TF115GPU\lib\site-packages\tensorflow_core\python\platform\tf_logging.py", line 36, in <module>
import six
ModuleNotFoundError: No module named 'six'
这里是由于缺少 six 的包，PyInstaller打包的时候会从 Python 的安装路径或者工程目录查找包。
我们安装一下这个包
pip install six -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
重新测试之后发现没有问题
（4）tensorflow_datasets
在后面引入tensorflow_datasets的时候提示需要安装对应的包，这里需要指定版本，tensorflow1.15.0对应的tensorflow_datasets版本应该是3.2.1，不然会出现版本不匹配问题（不要直接安装pip install tensorflow-datasets）
pip install tensorflow-datasets==3.2.1