Anaconda安装深度学习框架tensorflow_总结

从网上看了很多安装深度学习环境tensorfow的教程，很多需要通过Anaconda，并且使用国内的镜像源安装，而且存在很多版本不匹配的问题。
我经过多次安装，总结了简便的安装方式（目前可以），以及需要注意的库版本的对应问题。
安装环境如下：

库或环境	版本
Tf	1.9.0
Py	3.6
Keras	2.2
Gdal	2.4
Opencv	4.5
Numpy	1.19
Matplotlib	3.3.4
Cuda	9.0
cudnn	7.6

这套环境的各个库均可使用，不存在版本对应不匹配问题。

一、安装Anaconda

Anaconda建议下载、安装高版本。
使用清华大学开源软件镜像站下载。
网址：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

二、创建python虚拟环境

1、conda常用的命令

1）conda list 查看安装了哪些包。在环境下

2）conda env list 或 conda info -e 查看当前存在哪些虚拟环境

3）conda update conda 检查更新当前conda

2、安装虚拟环境

在cmd窗口：
使用 conda create -n your_env_name python=X.X（2.7、3.6等） anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。

指定python版本为2.7，注意至少需要指定python版本或者要安装的包# 后一种情况下，自动安装最新python版本
conda create -n env_name python=2.7

同时安装必要的包
conda create -n env_name numpy matplotlib python=2.7

注意：可以使用anaconda安装必要的包，但是安装过程缓慢，网络不稳定可能会导致失败！！！！！因此可以使用pycharm安装

3、激活/切换虚拟环境

Windows:使用代码 activate your_env_name(虚拟环境名称)
一定要在环境下进行包的安装！

创建完新环境后，不在使用Anaconda，直接在Pychram中打开新环境继续安装。

三、安装cuDNN和CUDA

检查电脑配置，检查显卡配置，进入官网下载对应版本的cuDNN和CUDA。
注意：要确定gpu还是cpu版本，以及确定自己想要安装的tf版本。

下载及安装

CUDA下载：CUDA Toolkit Archive | NVIDIA Developer官网，下载对应版本
cuDNN下载：cuDNN Archive | NVIDIA Developer官网，下载对应版本
CUDA下载完成后，开始安装，选择对应的电脑信息即可。安装完成后即可下载cuDNN。
cuDNN下载完成后，打开所在文件夹，将bin、include、lib三个文件夹分别复制到对应的CUDA文件夹中即可。

四、安装tensorflow及相关库（使用pycharm）

目前pycharm可以安装tensorflow，而且较为快速简便。
第一步：添加解释器环境，即自己使用anaconda创建的虚拟环境
第二步：在解释器设置中安装对应版本的tensorflow及其他库

五、注意

GDAL的安装

使用anaconda 或 Pycharm安装GDAL均失败，这里采用先下载GDAL到环境对应位置，再使用pycharm安装的办法。
pip install GDAL-2.4.1-cp36-cp36m-win_amd64.whl

Matplotlib安装

目前最新版本安装失败，可降低版本安装

numpy版本更换

tf2.0对应的numpy不能太高，需切换低版本。