机器视觉系列（02）---TensorFlow2.3 + win10 + GPU安装
短视频技术中，视觉特效是目前最广泛的应用，视觉特效属于机器视觉与人工智能技术的结合。
短视频技术开发，计算机视觉是必须考虑的因素，计算机视觉方面的AI处理，国内目前主要靠TensorFlow和Pytorch来实现。
Tensorflow windows上的安装，很多资料存在误导，初学者望而止步。本文帮助初学者快速搭建TensorFlow windows应用环境。Linux和Mac上环境安装看后续章节。
大多安装资料都先安装anaconda，造成TensorFlow安装必须采用anaconda的假象。本安装不采用anaconda，降低安装的耦合度。
后续大量章节进行机器视觉及相关算法讲述。
1、前置说明
A、如果是Win7，一定打补丁(本文Win7也适用)。
B、看自己电脑显卡是否是N卡，如果是N卡，才可以安装GPU版本，否则只能安装CPU版本。
C、如果GPU版本过低，需要升级驱动，否则安装版本过早(升级在下面主题讲述)。
D、有些过老的N卡，无法升级驱动，不能安装TensorFlow GPU版本或者只能安装TensorFlow GPU早期版本。
2、升级显卡驱动，同时升级了CUDA
2.1、网址
进入下面网址：
https://www.nvidia.com/download/index.aspx?lang=en-us
2.2、界面
根据个人电脑系统情况进行选择。
2.3、下载
选择合适的版本，进行显卡驱动下载。
2.4、安装
一直下一步就可以。如果显卡过早，可能安装失败。
3、查看个人电脑CUDA版本
3.1、打开NVIDIA控制面板
桌面右击，弹出右键菜单，选择NVIDIA控制面板。
3.2、点击组件，查看CUDA版本
4、查看如下对应关系
4.1、参考网址：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
https://tensorflow.google.cn/install/source_windows
4.2、CUDA版本与名字
|
|
||
| Component Name |
Version Information |
Supported Architectures |
| CUDA Runtime (cudart) |
11.2.72 |
x86_64, POWER, Arm64 |
| Cuobjdump |
11.2.67 |
x86_64, POWER, Arm64 |
| CUPTI |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA cuxxfilt (demangler) |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA Demo Suite |
11.2.67 |
x86_64 |
| CUDA GDB |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA Memcheck |
11.2.67 |
x86_64, POWER |
| CUDA NVCC |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA nvdisasm |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA NVML Headers |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA nvprof |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA nvprune |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA NVRTC |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA NVTX |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA NVVP |
11.2.67 |
x86_64, POWER |
| CUDA Samples |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA Compute Sanitizer API |
11.2.67 |
x86_64, POWER, Arm64 |
| CUDA cuBLAS |
11.3.1.68 |
x86_64, POWER, Arm64 |
| CUDA cuFFT |
10.4.0.72 |
x86_64, POWER, Arm64 |
| CUDA cuRAND |
10.2.3.68 |
x86_64, POWER, Arm64 |
| CUDA cuSOLVER |
11.0.2.68 |
x86_64, POWER, Arm64 |
| CUDA cuSPARSE |
11.3.1.68 |
x86_64, POWER, Arm64 |
| CUDA NPP |
11.2.1.68 |
x86_64, POWER, Arm64 |
| CUDA nvJPEG |
11.3.1.68 |
x86_64, POWER, Arm64 |
| Nsight Eclipse Plugins |
11.2.67 |
x86_64, POWER |
| Nsight Compute |
2020.3.0.18 |
x86_64, POWER, Arm64 |
| Nsight Windows NVTX |
1.21018621 |
x86_64, POWER, Arm64 |
| Nsight Systems |
2020.4.3.7 |
x86_64, POWER, Arm64 |
| Nsight Visual Studio Edition (VSE) |
2020.3.0.20315 |
x86_64 (Windows) |
| NVIDIA Linux Driver |
460.27.04 |
x86_64, POWER, Arm64 |
| NVIDIA Windows Driver |
460.89 |
x86_64 (Windows) |
4.3、显卡驱动与CUDA版本选择
4.4、TensorFlow GPU版本与CUDA与Python与VS的关系
4.5、TensorFlow CPU版本与VS与Python的关系
5、根据上面对应关系，下载如下文件
5.1、文件
A、VS （微软visual studio开发环境）
B、Python （TensorFlow官方开发语言）
C、CUDA （英伟达数据并行运算平台）
D、CUDNN （神经网络加速库）
5.2、下载后图示
6、安装VS
6.1、说明
建议工具全部安装，需要40多个G（亲测）。
英伟达说只需要安装C++ Desktop Develop套件安装（没有测试）。
6.2、安装
一直下一步。
7、安装Python
7.1、环境变量问题
7.2、注意（安装过程中，可能需要等待）
上面5个框打上 “√”，然后点击 “Browse”，自定义安装路径，然后点击 “Install”。
PS：安装路径最好纯英文，不要有中文和空格。
8、修改Python工具Pip的源
安装过程需要到网上下载，默认的Python源在国外，下载速度较慢。
修改为国内阿里的Python源，加快后面步骤安装。
8.1、PyPI 镜像
PyPI (Python Package Index) 是 Python 编程语言的软件存储库。开发者可以通过 PyPI 查找和安装由 Python 社区开发和共享的软件，也可以将自己开发的库上传至 PyPI 。
8.2、Linux下更换pip源（与本安装无关、直接跳过）
手动更换python的pip/pip3源。
- 在Linux系统中找到~/.pip/pip.conf这个文件，如果没有这个文件创建一个同名文件。如果系统连~./pip这个目录也没有，创建一个目录并且在目录中创建一个pip.conf文件。
- 向该文件添加或修改成以下内容。
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
8.3、windows下更换pip源
A、文件管理器的地址栏输入%appdata%回车进入当前用户主目录。
B、在当前文件夹下新建文件夹pip。
C、在pip文件夹下新建文件pip.ini文件。
D、在pip.ini文件中输入以下内容。
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
9、安装两个插件
9.1、如果下面安装过程中，安装失败
如果安装失败，重新执行命令既可。
9.2、scipy库
在power shell窗口下，拷贝如下命令执行：
pip3 install scipy
9.3、numpy库
在pwer shell窗口下，拷贝如下命令执行：
pip3 install numpy
10、安装cuda
10.1、安装
双击上面下载的cuda文件。
一直下一步就可以，可以修改安装路径，但不建议修改。
10.2、测试
打开powershell，执行如下命令：
nvcc -V
成功的话会返回cuda版本号。
11、安装cudnn
11.1、解压
解压cuDNN压缩包，可以看到bin、include、lib目录：
11.2、打开目录
路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
11.3、拷贝
找到你安装的版本目录，打开，找到bin、include、lib目录；
将11.1 cuDNN压缩包内对应的文件分别对应复制到cuda的bin、include、lib目录。
注意：是复制文件到bin、include、lib目录，不是复制目录。
12、环境变量
12.1、几个变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
12.2、设置（少了，会报dll异常）
13、测试CUDA和CUDNN是否安装成功
13.1、打开目录
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
13.2、启动PowerShell
13.3、测试
执行如下命令：
.\bandWidthTest.exe
出现Pass代表成功。
14、安装tensorflow-gpu
在PowerShell窗口输入如下命令：
pip3 install tensorflow-gpu
15、测试
15.1、打开Python环境
在PowerShell中输入如下命令：
python
15.2、运行如下代码
import tensorflow as tf
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
出现下面结果代表成功。
16、其它
和云平台、大数据相关环境搭建相比，TensorFlow的安装是简单的。
但对于初学者，需要一些时间。本文内容，希望给初学者一些有益的启示。
关注美摄科技，感受视觉盛宴。
17、学习网址
https://tensorflow.google.cn/install/source_windows