【TensorFlow】开发环境搭建：win10+ Anaconda+Tensorflow（GPU）+pycharm+opencv

引言

Anaconda指的是一个开源的Python包管理器，其包含了conda、Python等180多个科学包及其依赖项，极大的方便开发者对python各种库的安装和管理，是python开发的一大利器。
我们接下来主要基于Anaconda来进行tensorflow和opencv库的安装。

---

---

配置环境

Win10 x64操作系统
python3.6.2
Anaconda 2019
tensorflow-gpu 1.13.1
CUDA10 ：下载地址
cudnn7.4：下载地址
opencv

安装步骤

1、安装python3.6.2

（安装教程）

注：一定要在add path（添加环境变量）上打勾(设置环境变量的意义)

2、安装anaconda

安装教程如下
（1）选择适合的版本进行下载（官方下载）

（2）点击安装程序，一直按Install即可，注意下面图中两个勾都要勾上安装前，这样就会自动添加到环境变量中：

3、安装TensorFlow

第一步 选择类型

确定你的安装类型:1)支持GPU类型，还是2）CPU类型

【一般如果做深度学习，最好安装GPU类型，因为运算速度更快】

第二步 确认GPU型号

如果是CPU类型，按照官网的说法一步一步来就行了。

如果是GPU类型，首先需要查看自己电脑的GPU型号,步骤如下：

然后在浏览器中搜索“你的GPU型号+SPECIFICATION”，在NVIDIA官网查它是否支持CUDA

第三步 安装CUDA

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。
CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。其实就是安装显卡驱动

重要的事情说三遍：
请看清楚你需要的TENSORFLOW型号，以及它需要的环境！

请看清楚你需要的TENSORFLOW型号，以及它需要的环境！

请看清楚你需要的TENSORFLOW型号，以及它需要的环境！

必须是这个版本的显卡驱动，否则用其他版本或最新版本的显卡驱动可能不会成功安装tensorflow
有人问在哪里看型号，这个在TENSORFLOW的官网上可以查到的，稍微动动手就能找到了。如下图所示

如果你是需要跑某一个特定程序，那么它可能在特定的TENSORFLOW版本下才运行良好。而每一个版本对应的所需环境都不一样。一定要严格按照规定来安装。
以TENSORFLOW1.13来说，你需要安装CUDA® 工具包 10和cuDNN v7.4。

在电脑桌面上右键查看是否已安装英伟达驱动：NVIDIA控制面板

如果已安装，控制面板卸载驱动，卸载完后系统重启一下，然后进行驱动安装
选择自定义安装，依次点击继续完成安装

❗️❗️安装前必须删掉杀毒软件，否则会安装失败

下载CUDA后,配置环境变量

第四步 安装cuDNN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA
cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

去官网下载CUDNN 7.4，同前，注意型号。下载CUDNN需要去官网注册一个什么东西，总之需要注意版本就好。下载下来的CUDNN是一个压缩包，解压以后，把以下内容添加到环境里面去。

步骤：将第1步下载下来的cudnn-7.4（下载地址）解压，将里面的cuda文件夹复制到c盘根目录

然后打开 此电脑—空白处右键“属性”—高级系统变量

然后点击环境变量设置，在系统变量中双击path

然后将路径：C:\cuda\bin添加进系统变量里，点击确定

！！注意：一般安装Tensorflow-gpu失败都是因为没有配置驱动的环境变量

CUDA与CUDNN的关系
CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

第五步 安装tensorflow

（1）打开‘开始‘菜单栏找到anaconda文件夹

因为要从国外官网下载网速不好的话，下载很慢甚至直接中断，所以解决方案是更换成国内的镜像。
打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些，输入以下命令
每次粘贴一行，然后回车：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set showfu'zh_channel_urls yes
conda create -n tensorflow python=3.5

安装完成中会有提示，是否下载文件，输入Y回车即可，
等待环境安装完成后会有提示if you want use tensorflow,please use the code: activate tesnorflow
然后我们输入此命令激活tesnsorflow环境:

activate tensorflow

回车后，结果如下所示：

（2）接下来安装tensorflow

在上图anaconda prompt窗口上继续输入命令

注意：tensorflow版本要与CUDA版本匹配，若安装错误，则是tensorflow版本有误。tensorflow升级后默认安装最新版本，版本要求CUDA为9.0。所以需输入

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

该命令的后半部分：

-i https://pypi.tuna.tsinghua.edu.cn/simple

表示使用清华开源镜像进行下载，可以提高文件下载速度。
如果仍安装失败，则换个网络重试

等待下载安装即可，安装完会显示sucsessfully installed tesnorflow1.1.3，

输入以下命令，查看 tensorflow-gpu 是否成功安装：

conda list

如果如下图所示，则说明安装成功。

tensorflow-gpu 安装成功后，我们可以输入：

python

进入 python 命令行，然后执行下面的一小段程序，来进一步验证 tensorflow 安装是否成功：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果系统输出以下红框所示内容，说明可以用 python 编写 tensorflow 程序了：

到此，tensorflow 的基本环境配置完成！

4、安装opencv

方法一：在Anaconda中打开tensorflow虚拟环境

方法一：直接在Anaconda Prompt命令行中打开tensorflow虚拟环境
在开始页面打开Anaconda Promp

然后activate你所要保存在的虚拟环境名称

在界面中输入pip install opencv-python，等待安装成功即可，然后打开python输入import cv2验证是否安装成功。

5、Pycharm开发环境的配置

打开软件

点击Create New Project，接下来是重点

Location是我们存放工程的路径，点击这个三角符号，然后点击第三个…，选择Anaconda安装路径下envs中所定义好的环境变量中的python编译器即可。

总结

通过在Anaconda中安装了tensorflow和opencv库，我们可以发现，Anaconda中的环境变量tensorflow其实可以理解为是一个虚拟的容器，容器的名称可以自定义，容器里面主要装的是开发过程中所用的所有库。然后运行这个环境变量里的python编译器，即可调用安装好的所有库啦。