Win10系统搭建最新Anaconda（3）+python（3.8）+tensorflow

Win10系统搭建最新Anaconda（3）+python（3.8）+tensorflow

一、Anaconda安装

1. 下载安装

下载地址：/
镜像使用帮助：/
参考教程（简书，很详细）：

2. 验证安装成功

终端输入：conda list

在终端中输入anaconda-navigator。如果Anaconda被成功安装，则Anaconda Navigator将会被启动。

3. 修改镜像

Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改
生成文件路径在：C:UsersUserName

channels:- defaults
show_channel_urls: true
default_channels:-   
custom_channels:conda-forge: : : : : : 

---

二、Windows下安装CPU版本的tensorflow

终端是：Anaconda Prowershell Prompt

1. 搭建python环境

在Anaconda Prompt中，用Anaconda3创建一个python的环境，环境名称为tensorflow ，输入下面命令：

• 查看python版本
  输入命令：conda create -n tensorflow python=3.8.8
• 查看环境
  运行 开始—>Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。
  
• 打开与关闭tensorflow环境
  

2. 安装TensorFlow

CPU版本-命令是：pip install --ignore-installed --upgrade tensorflow

.whl下载地址

使用镜像下载：pip install -i / --upgrade --ignore-installed tensorflow

速度快的飞起~

3.测试代码

注意：这里安装的是TF2.0版本，因此使用TF1.x的版本测试代码会出现问题，可修改后使用（TF2.0中已经移除了session这一功能）

import tensorflow as tf
tfpat.v1.disable_eager_execution() #保证sess.run()能够正常运行
hello = tf.constant('Hello, TensorFlow!')  #初始化一个TensorFlow的常量
#sess = tf.Session()  #启动一个会话 TensorFlow1.x版本
sess =  tfpat.v1.Session()
print(sess.run(hello))  

可能出现的问题：
输入import tensorflow as tf
提示No module named 'tensorflow'问题
输入conda list 查看

其中没有tensorflow 和 numpy包，需要安装
在tensorflow环境下conda install tensorflow
在查看conda list 已经存在tensorflow 和 numpy包

运行测试程序

---

三、Windows下安装GPU版本的TensorFlow

参考TensorFlow官方文档：

1. 安装CUDA

查看机器的显卡并检查显卡是否支持CUDA

官方的安装介绍文档：/
Windows
Linux

**IMP！！！先检查自己的CPU是否为安培架构，如果是安培架构（RTX30代）**可以选择CUDA11以上，如果是非安培架构推荐使用CUDA10.2，性能更优。此处自己初次安装，机器是RTX2060，非安培架构（图灵架构），但是安装了CUDA11.5（以下部分参考图示有些是V10.2，操作过程均相同）

（此处推荐一个很方便的截图工具Snipaste/）

windows winkey+x键调出此界面，打开设备管理器

打开NVIDIA网址查看支持情况

结论：此机器的显卡支持CUDA

下载安装CUDA

最新版本（11.5.1）下载网址：
以往的版本下载网址：

本地安装CUDA
双击exe->选择解压缩安装程序的暂存目录->安装（依此选择精简—>I understand…）
**注意：**安装期间请关闭杀毒软件

2. 配置cuDNN

官方安装介绍文档：/

下载软件

最新版本网址：
cuDNN以往的版本：
此网站需要注册会员（免费）进行下载，（网站响应较慢，耐心等待）
选择与CUDA相匹配的版本
cuDNN v8.3.0对应CUDA11.5


解压cuDNN，并将其文件拷贝到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.5下
如下图（此图是CUDA10.2版本，11.5版本相同）：

配置环境变量
安装好CUDA后，环境变量中已经有CUDA_PATH和CUDA_PATH_Vx.x，并且系统环境变量中也已经添加

此外还需要在path中添加以下环境变量：

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.5include
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.5libx64
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.5extrasCUPTIlib64

安装完成后看一下显卡信息
进入到对应的目录下运行.

3.搭建TensorFlow的GPU虚拟环境

安装python

conda create --name tensorflow-gpu python=3.8.8 anaconda


启动与关闭TensorFlow-gpu虚拟环境

安装TensorFlow

在TensorFlow-gpu虚拟环境下安装TensorFlow-gpu版本
命令：pip install tensorflow-gpu

速度太慢了，4个小时受不了
使用下面的命令:pip install -i / tensorflow-gpu
安装指定版本的tensorflow-gpu命令：pip install -i tensorflow-gpu==2.3.0

不到一分钟解决！！！

此时查看一下Anaconda Navigator中也已经安装完毕！！！

3. 安装结束进行测试验证

简单验证一下
TensorFlow-gpu虚拟环境下唤醒spyder

# -*- coding: utf-8 -*-
"""
Spyder EditorThis is a temporary script file.
"""
import tensorflow as tfa = tf.constant([1.0,2.0],name="a")
b = tf.constant([3.0,4.0],name="b")result = a + bprint(result)

完毕！

遇到问题

CUDA11.5版本 cuDNN8.3.1官方给出的对应版本，测试起来不匹配
可以看一下：

2021-11-27 22:38:54.686294: I tensorflow/stream_executor/cuda/cuda_dnn:366] Loaded cuDNN version 8301
Could not load library cudnn_cnn_infer64_8.dll. Error code 126
Please make sure cudnn_cnn_infer64_8.dll is in your library path!

网上的类似的问题：


可以参考官方TensorFlow已测试搭建版本

怎么解决呢？
stackoverflow网址

1. 路径的问题，前面路径都已经配置，此问题这种方法不适用
2. 官方给出的版本不一致，目前官方给出的cuDNN v8.3其实和CUDA v11.5不匹配，网友的做法是选择非当前对应版本，比当前版本靠前一些的版本（太坑了，遇到此问题后，我原以为是路径的问题，期间重新安装了CUDA10.2 以及对应的cuDNN版本，添加了对应的变量路径，后没有出现此问题，但遇到tensorflow版本不一致的问题，掉头发……，决定重新安装11.5版本，还是遇到此问题）建议根据TensorFlow官方已测试CUDA和cuDNN对应版本安装，避免踩大坑

3. 建议根据TensorFlow官方适配的版本安装

博主根据第二点进行安装的CUDA是v11.5版本，选cuDNN是v8.2.1

运行结果，成功解决此问题：

4. 安装paddlepaddle-gpu

conda命令下安装：conda install paddlepaddle-gpu==2.2.0 cudatoolkit=10.2 --channel /

验证安装是否成功
python环境下输入一下命令：

import paddle
paddle.utils.run_check()

显示：

结束语

博客的目的一是为了后续自己的学习做一个记录，另一是把自己的操作流程分享出来，方便其他同学们参考，同时自己也参考了多个优秀博主的教程，也算是一个回馈！