• 安装

  • 安装Anaconda

  • 安装编译器

    • pycharm
    • jupyter notbook

  • TensorFlow-GPU版本，前置条件

    • 查看NVIDIA显卡是否满足GPU启动条件
    • 安装CUDA，用于驱动NVIDIA显卡进行深度学习
      • 下载链接：https://developer.nvidia.com/cuda-toolkit-archive
    • 安装cuDNN用于深度神经网络的GPU加速器
      • 下载链接：https://developer.nvidia.com/rdp/cudnn-download
    • 注意：请根据TensorFlow的下载版本确定CUDA和cuDNN
      • 参考链接：https://tensorflow.google.cn/install/source_windows
    • 安装CUDA
    • 解压cuDNN，将该目录下的bin，lib，include进行覆盖
    • 添加到环境变量PATH中
      • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
      • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
    • 检查配置是否成功
      • DOS命令下：nvcc -V
      • 若成功，回显CUDA版本信息：Cuda compilation tools, release 10.2, V10.2.89
      • 若不成功，检查环境变量

  • 通过pip安装TensorFlow-GPU

    • 使用anaconda创建一个空间，命名为tensorflow
      • conda create -n tensorflow
    • 激活空间
      • conda activate tensorflow
    • 查看pip版本
      • pip --version
    • 安装TensorFlow2.0-gpu
      • pip install tensorflow-gpu==2.0.0-alpha0
    • 安装过程缓慢，建议切换至清华源进行安装
      • pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
    • 接下来执行pip安装TensorFlow2.0的GPU版本就可以了

  • 通过anaconda安装TensorFlow-GPU

    • 同上，使用conda创建空间，激活空间
    • 查看可下载版本
      • conda search tensorflow-gpu
    • 下载
      • conda install tensorflow-gpu=2.0.0

  • 在创建conda的时候直接进行tensorflow-gpu的安装

    • conda create -n tf-2.0 python=3.7 tensorflow-gpu
    • 创建Python版本为3.7，名称为tf-2.0的虚拟空间，同时安装tensorflow-gpu
• 测试安装是否成功

import tensoflow as tf
tf.__version__

• 测试是否使用GPU驱动

tf.test.is_gpu_available()

• conda命令

  • 列出全部的虚拟空间
    • conda env list
  • 创建虚拟空间
    • conda create -n tf-2.0 python=3.7
    • 创建名称为tf-2.0的虚拟空间，设定该虚拟空间的Python版本为3.7
  • 启动虚拟空间
    • conda activate tf-2.0
    • 启动名称为tf-2.0的虚拟空间
  • 关闭虚拟空间
    • conda deactivate
  • 删除虚拟空间
    • conda remove -n tf-2.0 --all
    • 删除名称为tf-2.0的虚拟空间
  • 克隆虚拟空间
    • conda create -n tf -clone tf-2.0
    • 新建一个虚拟空间为tf，将tf-2.0的空间克隆到tf中
  • 列出全部已安装文件
    • conda list

• 安装教程