tensorflow1.13.2版本的gpu环境

看python-anacona的安装只需要看1.1部分即可

目录

1.1  Anaconda安装

1.2  tensorflow-gpu安装

1.3  python编译器-pycharm安装

1.1  Anaconda安装

从镜像源处下载anaconda，地址：Index of /anaconda/archive/ | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror

找个合适的windows版本进行下载

下载完安装包之后，需要运行安装包，根据流程对其进行安装

在以上流程安装完成之后，需要配制anaconda环境变量

此电脑——属性——高级系统设置——环境变量——path——编辑——新建

验证是否安装成功，命令行输入conda --version，能输出正常的数字，说明安装成功。

1.2  tensorflow-gpu安装

tensorflow和cuda对应的版本关系

tf1.13之前，cuda9.0        cudnn7

tf1.13对应，cuda10.0        cudnn7.4

tf2.0对应，cuda10.0          cudnn7.4.1

tf2.1对应，cuda10.1

tf2.2对应，cuda10.1

tf2.3对应，cuda11.0

tf2.4对应，cuda11.0

30系列的显卡只能安装cuda11.0及以上才能使用gpu，所以1.x系列无法安装。

下载cudnn和cuda，对应tensorflow1.13.2版本的，可下载cuda10.0，对应的cudnn是7.4.1.5

cuda下载：CUDA Toolkit 10.0 Download | NVIDIA Developer

cudnn下载：CUDA 深度神经网络库 (cuDNN) | NVIDIA Developer

查看电脑NVIdia合适的cuda版本和对应的cudnn，驱动支持10.1版本，cuda可以安装比驱动更低，比如驱动10.1，你可以安装9.0，10.0或10.1。

电脑中查看nvidia驱动的支持版本，

打开NVIdia控制面板，在帮助中找到系统信息，点击再点组件，就可以看到驱动支持的cuda版本最高为多少。

所以我们可以考虑上面安装10.0版本，建议下载完的安装包存到u盘里面，下次可直接使用，否则下载速度太慢。

下载完之后得到这两个文件。

双击cuda_10的exe文件进行安装,这里选择默认地址C:\Users\ZZG\AppData\Local\Temp\CUDA

如果安装过程中出现下面情况，导致无法安装，关闭360即可，再重新双击安装

这里选择自定义。

然后直接点下一步就行了。没有visual stuidio的可以不用勾选那个

安装完后在C盘这个位置可以找到根目录。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后大家把Cudnn的内容进行解压。解压后的文件夹像下面一下,然后把下面的4个文件直接都复制到CUDA\v10.0\文件夹里面

把上里面的内容直接复制到C盘的根目录下就可以了。

CUDA\文件夹下如果有v10.0和v10.1并不会冲突，只要tf在系统路径里面有他需要的就行

配制tensorflow环境：

打开anaconda prompt(anaconda3)安装

输入conda create -n tensorflow-gpu python=3.6 会生成一个虚拟环境

安装太慢可以在后面加个镜像源  -i https://mirrors.aliyun.com/pypi/simple/

activate tensorflow-gpu 进入虚拟环境 

pip install tensorflow-gpu==1.13.2 在anaconda虚拟环境中下载tensorflow1.13.2版本

pip install keras==2.1.5 再下载个keras。

如果不想要当前的虚拟环境可以执行一下命令删除

conda remove --name pytorch --all   如conda remove --name labelme --all 是删掉名称为labelme的虚拟环

输入以下命令窗口tensorflow的gpu版本是否安装成功

import tensorflow as tf

如果出现这个报错：np_resource = np.dtype([("resource", np.ubyte, 1)])

是numpy版本的问题，选择修改numpy版本

tensorflow2.0 以下 建议：用numpy 1.16.+   下载：pip install -U numpy==1.16.4

print(tf.__version__)
print("CUDA Version: ")
print(tf.version.cuda)
print("cuDNN version is :")
print(tf.backends.cudnn.version())

tf.test.is_gpu_available()

tf总数会出现红色的提醒，影响心情，这里可以使用以下代码屏蔽，要放在最开头

import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 忽略 warning 和 Error

1.3  pycharm的安装

官网地址：Download PyCharm: Python IDE for Professional Developers by JetBrains

点击Community社区版进行下载即可，打开file-setting，project：xxxx中配制anaconda环境

点击设置+使用新环境加载

---