Windows下Python3.7 + Anaconda + Tensorflow2.1 + MXNET GPU环境搭建
Windows下Python3.7 + Anaconda + Tensorflow2.1 + MXNet GPU环境搭建
Anaconda
去官网下载最新的Win10 64位版本，安装到本地。如果境内网络下载过慢，也可以去清华的开源镜像下载。其实迅雷下载也很快，包括后面的Nvidia GPU环境安装文件。安装完后记得添加环境变量。
Nvidia GPU 环境
如果是搭建GPU运算的环境，需要先下载安装Nvidia的CUDA和cudnn。
确认显卡是否满足要求
在这里查看你的显卡的算力，如果是3.0以上应该都还是支持的。我的是Geforce 1050，算力6.1.
确认CUDA版本并下载安装
Nvidia官网默认是最新版本，目前是10.2. 但是Tensorflow官网显示支持的是CUDA10.1.为了避免以后不必要的麻烦，尽量下载你要安装的Tensorflow版本所对应的CUDA版本。官网可以查看最新的支持情况。
下载页面可以选择先下载installer（约20MB）然后网络下载安装，或者整个安装文件下载至本地（约2.5GB）。网速一般的境内用户建议用迅雷下载完整安装文件，速度很快。
各版本的下载可以在这里查看。
安装cudnn
官网下载地址：https://developer.nvidia.com/rdp/cudnn-download
cudnn需要先注册一个用户，然后下载。同样建议用迅雷下载。下载完成后把里面的文件夹解压到CUDA文件的相应位置并合并（直接拖放即可）。
在环境验证之前，要去添加相应系统环境变量。
你的路径\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
你的路径\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;
你的路径\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;
你的路径\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\bin\win64;
你的路径\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\common\lib\x64
环境验证
打开你的安装路径，如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ，查看nvcc.exe
有这个nvcc.exe就说明CUDA安装已成功。在这个文件夹下打开cmd，输入nvcc -V会显示当前的CUDA型号。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:26_Pacific_Standard_Time_2019
Cuda compilation tools, release 10.1, V10.1.105
Tensorflow 2.1
使用conda安装十分方便。首先建立一个新的虚拟环境，命名为tensorflow21（可以根据自己需要自命名）。打开anaconda prompt， 输入下列命令
conda create -n tensorflow21
然后切换到该环境
conda activate tensorflow21
为了避免conda 自带库版本可能和tensorflow 要求不一致，可以先用conda进行更新
conda update -a
然后安装相应版本tensorflow
conda install -c anaconda tensorflow-gpu
安装完成后，启动python验证一下
python # 先在该环境下启动
import tensorflow as tf # 导入tensorflow包
tf.test.gpu_device_name() # 查看是否启用gpu
如果显示'' 那说明没有启用GPU，只是CPU；如果显示/device:GPU: 0 则GPU启用成功，安装完成。
在初次安装时，我import后提示了numpy相关的error， 如：
ModuleNotFoundError: No module named 'numpy.core._multiarray_umath' ImportError: numpy.core.multiarray failed to import
The above exception was the direct cause of the following exception:
Traceback (most recent call last): File "", line 980, in _find_and_load SystemError: returned a result with an error set ImportError: numpy.core._multiarray_umath failed to import ImportError: numpy.core.umath failed to import
这种错误一般是numpy版本不适配，使用conda或者pip将numpy更新后解决。有时pip的版本会较conda更新，可以使用pip安装。
pip install numpy --upgrade
MXNet
MXNet目前已经更新到了1.6版本。遗憾的是windows下pip只能安装最高1.5版本，conda只能到1.2.1.
conda安装MXNet1.2.1
同样首先建立一个虚拟环境并切换：
conda create -n mxnet-gpu121
conda activate mxnet-gpu121
conda安装胜在简单方便，如果对版本不敏感，可以直接安装进行学习。注意安装gpu版本。
conda install -c anaconda mxnet-gpu
安装完成后可以import进行验证：
import mxnet as mx
如果仔细看了安装过程的说明，会发现过程中python进行了降级。这是因为MXNet1.2.1版本不支持最新python版本所致。conda会自动进行调整，不用我们做额外操作。
pip安装MXNet1.5
首先建一个新虚拟环境并切换：
conda create -n mxnet-gpu150
conda activate mxnet-gpu150
如果使用pip安装，首先要确定CUDA版本，在这里我是10.1版，因此使用命令：
pip install mxnet-cu101mkl
安装介绍页面在此，可以查看其他对应CUDA版本的命令。
安装完成后导入MXNet发现出错，
OSError: [WinError 126] 找不到指定的模块。
搜索相关问题后，可能要安装gluon。于是在pip安装：
pip install gluonbook
pip install gluon
如果期间提示部分依赖库的版本冲突，它们会中止安装并重新安装相应的依赖库。之后再次运行上列命令完成安装即可。再次验证，之前的问题并没有出现，可以正常使用。
在新的虚拟环境安装了MXNet之后，很可能是没有安装Jupyter相关软件的。使用conda进行安装，如果涉及其他软件和库升级请谨慎。Python和numpy这种不要轻易升级。我将python升级至3.8后，原本可以运行的MXNet也无法使用，降级至3.7后才运行成功。
MXNet安装坑不少，成功后尽量不要改动。包括软件和库的版本尽量不要随便升级。
虚拟环境安装了MXNet之后，很可能是没有安装Jupyter相关软件的。使用conda进行安装，如果涉及其他软件和库升级请谨慎。Python和numpy这种不要轻易升级。我将python升级至3.8后，原本可以运行的MXNet也无法使用，降级至3.7后才运行成功。
MXNet安装坑不少，成功后尽量不要改动。包括软件和库的版本尽量不要随便升级。