Tensorflow环境配置

Tensorflow环境的配置

​ Tensorflow分为CPU版本和GPU版本。GPU版本的Tensorflow可用利用NVIDIA GPU强大的计算加速能力，使Tensorflow的运行更为高效，尤其是可以成倍提升模型训练的速度。

​ tensorflow2.3兼容的python版本为：3.5~3.7

一：最新Tensorflow 2.3 CPU版本的安装

1. 安装anaconda

   以下命令均在anaconda虚拟环境中输入，请提前进入虚拟环境

2. 升级pip版本

   如果pip版本大于19.0，可忽略此步骤。

   # 查看pip版本
   pip -V
   # 升级pip版本
   python -m pip install --upgrade pip
   

3. 安装Tensorflow 2.3 CPU版本

   pip install tensorflow-cpu==2.3.0 -i http://mirrors.aliyun.com/pypi/simple/
   

4. 检查是否安装成功

   进入到虚拟环境中，输入python，进入python后导入tensorflow，看是否报错。

二：最新Tensorflow 2.3 GPU版本的安装

​ 安装GPU版本必须有GPU硬件的支持。Tensorflow对NAVIDA显卡的支持较为完备。使用conda来安装GPU版本的Tensorflow。

1. 显卡要求

   对于NAVIDA显卡，要求CUDA Compute Capability(算力)必须不低于3.5。

   算力参考：https://developer.nvidia.com/cuda-gpus

2. 驱动要求

   驱动版本要求：NVIDIA驱动程序需418.x或更高版本。可在命令行中执行查看驱动版本。

   如果显示不是外部或内部命令，则将 C:\Program Files\NVIDIA Corporation\NVSMI 路径添加到环境变量中，重启anaconda命令行，即可查看。

   nvidia-smi
   

3. 依赖库要求

   GPU版本有两个依赖库，对于tensorflow2.3来讲，CUDA的版本必须是10.1，cudnn版本号需要不小于7.6。

   因为GPU版本这两个依赖库比较大，不需要大家手动配置，我们使用conda安装，建议大家设置conda的国内源。将.condarc文件放入c盘下的用户文件即可。

4. 安装依赖

   conda install cudatoolkit=10.1  
   conda install cudnn=7.6.5
   

5. 安装GPU版本的的Tensorflow

   pip install tensorflow-gpu==2.3.0 -i http://mirrors.aliyun.com/pypi/simple/
   

6. 检查是否安装成功

   导入tensorflow查看是否报错，如果没报错则说明tensorflow安装成功。之后输入以下命令来检测tensorflow是否为GPU版本：

   import tensorflow as tf
   tf.test.is_gpu_available()  # 如果为True则说明GPU版本已正确安装
   

三：Tensorflow 2.0版本的安装

Tensorflow 2.0 版本兼容的python版本为2.7~3.6

pip install tensorflow==2.0.0-alpha0 -i http://mirrors.aliyun.com/pypi/simple/

​