【TensorFlow1.X】系列学习笔记【环境搭建】

【TensorFlow1.X】系列学习文章目录

【环境搭建】
【入门一】
【入门二】
【入门三】
【入门四】

【TensorFlow1.X】系列学习笔记【环境搭建】

大量经典论文的算法均采用 TF 1.x 实现, 为了阅读方便, 同时加深对实现细节的理解, 需要 TF 1.x 的知识

---

---

简介

TensorFlow 是一个开源的机器学习的框架，使用 TensorFlow 可以快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。相比其他机器学习框架，TensorFlow 非常适用于在生产环境中进行应用，是最适用于工业部署的机器学习框架。

---

Tensorflow1.0 版本和 2.0版本的区别

TensorFlow1.x 与 TensorFlow2.x 的差别较大，相比于TensorFlow1.x,TensorFlow2.x 最大的优点就是加入了 Keras，默认采用 Eager 模式来构建模型。
后续会根据自己的使用情况补充
参考

windows下Tensorflow1.x环境搭建

搭建Tensorflow1.x环境之前,首先需要做好如下准备【推荐参考】

1. Anaconda安装:可以便捷获取python包且对包能够进行管理，同时也可以统一对环境进行管理。
2. cuda/cudnn安装:CUDA是为GPU通用计算构建的运算平台，cudnn则是为深度学习计算设计的软件库。

推荐cuda/cudnn版本直接在虚拟环境中使用命令进行安装

打开cmd，执行下面的指令查看CUDA版本号

# 查看CUDA版本号
nvidia-smi

安装适合的TensorFlow1.X版本(推荐GPU版)
TensorFlow1.X每个版本都有与之相应的python/cuda/cudnn版本，根据需求选择合适的版本【TensorFlow1.X版本】。

以安装tensorFlow1.15.0版本为例，需要安装python3.7

# 创建虚拟环境
conda create -n tensorflow_1.X_gpu python==3.7
# 查看新环境是否安装成功
conda env list
# 激活anaconda环境
activate tensorflow_1.X_gpu

安装cuda/cudnn版本

1. anaconda虚拟环境支持对应的cuda/cudnn版本 (优先考虑)【conda虚拟环境独立安装cuda/cudnn参考】
   
   根据安装tensorFlow1.15的需求，需要安装cuda-10.1.243版本和cudnn-7.6.4版本。
   
   查看anaconda支持的cuda/cudnn版本

   # 查找源上可用的cuda/cudnn版本
   conda search cudatoolkit --info
   conda search cudnn --info
   

   
   提示：anaconda需要同时支持cuda/cudnn，因为在虚拟环境没法将cudnn的文件替换cuda的源文件，有知道的大佬可以评论区告知一下

# 通常下载到Downloads路径下
cd C:\Users\AYU\Downloads
# cuda/cudnn下载到本地，再安装进torch环境
wget https://conda.anaconda.org/conda-forge/win-64/cudatoolkit-10.1.243-hc75346c_10.conda
wget https://repo.anaconda.com/pkgs/main/win-64/cudnn-7.6.4-cuda10.1_0.conda
# 本地安装 --use-local 注意是本地包所在的路径
conda install --use-local cudatoolkit-10.1.243-hc75346c_10.conda
conda install --use-local cudnn-7.6.4-cuda10.1_0.conda

2. anaconda虚拟环境不支持对应的cuda/cudnn版本【主机物理配置cuda/cudnn版本】
   
   之前假若安装过其他的cuda版本的可以参考【Win10下多版本CUDA安装与切换】
   【CUDA官网地址】–>下载安装CUDA Toolkit 10.1
   【CUDNN官方地址】–>下载安装cuDNN v7.6.4(对应cuda10.1和win10)

安装Tensorflow1.x

这里博主给出了俩种方式安装需要的Tensorflow1.x。

1. githup源码安装【保险方式】
   根据需求选择合适的版本【TensorFlow1.X版本地址】，找到对应TensorFlow1.X版本的whl安装包。
   

   # 进入到下载whl文件的路径，通常在Downloads路径下
   cd C:\Users\AYU\Downloads
   # tensorflow依赖的第三方包通过临时清华源安装更快
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-1.15.0-cp37-cp37m-win_amd64.whl
   # 查看所以安装包
   conda list
   

   
2. pip安装【不推荐】
   直接通过命令下载安装，目前很难通过pip install或者conda install下载到旧版本的tensorflow。

   # 通过临时清华源安装tensorflow及其依赖的第三方包
   # 部分版本不支持清华源安装 去掉 -i https://pypi.tuna.tsinghua.edu.cn/simple
   # gpu(推荐)
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorfl_gpu==1.15.0
   # cpu
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorfl==1.15.0
   # 假如pip安装不了,可以换成conda安装(需要科学上网)
   conda install  tensorfl_gpu=1.15.0
   conda install  tensorfl=1.15.0
   

3. 检查TensorFlow1.X是否成功

   import tensorflow as tf
   # tensorflow版本号
   print(tf.__version__)
   # tensorflow安装路径
   print(tf.__path__)
   # 是否支持gpu
   print(tf.test.is_gpu_available())
   

   
   注意：在源码安装tensorflow后，使用可能出现的问题的问题： “If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0”。
   解决方案：把protobuf卸了重装

pip uninstall protobuf
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple protobuf==3.19.0

---

总结

TensorFlow1.X环境搭建是后续学习的前提,建议安装GPU版本。