Windows下 TensorFlow_gpu2.x 安装与环境配置

Windows下 TensorFlow_gpu2.x 安装与环境配置

1 Anaconda安装

建议安装 Anaconda 的 Python 3.7 64 位版本，这是一个开源的 Python 发行版本，提供了一个完整的科学计算环境，包括 NumPy、SciPy 等常用科学计算库。

推荐清华大学开源软件镜像站Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

我这里下载的是2020.02版本Anaconda3-2020.02-Windows-x86_64.exe

后续根据引导安装即可，建议修改安装路径。

Anaconda安装成功后会得到如下几个exe，点击“Anaconda Prompt”

进入命令行界面

使用 Anaconda 自带的 conda 包管理器建立一个 Conda 虚拟环境，并进入该虚拟环境。在命令行下输入：

conda create --name tf2 python=3.7      # “tf2”是你建立的conda虚拟环境的名字
conda activate tf2                      # 进入名为“tf2”的conda虚拟环境

2 TensorFlow_gpu安装

前提条件：电脑支持gpu

查看电脑是否支持gpu的方法：打开电脑任务管理器，选择性能，如果支持gpu，就可以看到：

Windows 环境中，如果系统具有 NVIDIA 显卡，则往往已经自动安装了 NVIDIA 显卡驱动程序。如未安装，直接访问 NVIDIA 官方网站 下载并安装对应型号的最新公版驱动程序即可。

2.1 查看电脑支持的cuda版本

安装gpu版本的tensorflow需要安装CUDA Toolkit和cuDNN，两者版本的选择必须严格按照TensorFlow官方网站所说明的版本安装

官方文档https://tensorflow.google.cn/install/source_windows

例如tensorflow_gpu-2.6.0对应cuDNN8.1和CUDA 11.2，所以此时要查看电脑支持的cuda版本，假设电脑支持版本x，则即将安装的cuda的版本可以低于x，但是不能高于x

“Win"键打开”开始“菜单，在搜索框中搜索NVIDIA，打开NVIDIA Control Panel

点击“帮助”，然后点击“系统信息”，在新弹出来的窗口中选择“组件”，在3D设置中找到“NVCUDA64.dll”，对应的右侧就可以看到cuda版本，图中为cuda 11.6，则很显然可以安装tensorflow_gpu-2.6.0（对应cuDNN8.1和CUDA 11.2）:

2.2 安装TensorFlow_gpu

直接使用刚才的命令行环境，进入tf2的conda虚拟环境

conda activate tf2                      # 进入名为“tf2”的conda虚拟环境

很多博客会要求先下载cuda和cudnn，然后安装tensorflow_gpu，比较繁琐。实际上只要运行如下命令，就可以同时安装好cuda和cudnn：

conda install tensorflow-gpu==2.6.0

安装完毕后，编写一个简单的程序来验证安装。

在命令行下输入 conda activate tf2 进入之前建立的安装有 TensorFlow 的 Conda 虚拟环境，再输入 python 进入 Python 环境，逐行输入以下代码：

import tensorflow as tf

A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)

print(C)

如果能够最终输出:

tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

说明 TensorFlow 已安装成功。运行途中可能会输出一些 TensorFlow 的提示信息，属于正常现象。

3 Pycharm配置

推荐博客http://t.csdn.cn/Sisks