【Tensorflow】菜鸟学TensorFlow 2.0：TensorFlow2.0安装与环境配置

1. TensorFlow概述

Tensorflow是当今深度学习很流行的一个框架，它是由谷歌开发的深度学习框架到现在已经发布到了TF2.0版本了。TensorFlow 2 废弃了大量重复的接口，将 Keras 作为搭建网络的主力接口，也添加了很多新的特性，极大地改进了可用性，能有效地减少代码量。TF的安装有两个版本一个是CPU版另一个是GPU版。当然GPU上运行TF的速度自然比CPU会快，但是自然它的安装也比CPU版要麻烦。

CPU版的TF的安装十分的简单，这里当然不作叙述，本文主要是想记录下自己安装GPU版中遇到的一些问题和坑。

2. TensorFlow依赖环境搭建

1. 硬件环境
   操作系统：Windows10
   显卡型号：nvidia-smi，显卡一定要是NVDIA的AMD的不行，因为在后续要安装CUDA.
   
2. 软件要求
   必须在系统中安装以下 NVIDIA® 软件：

• NVIDIA® GPU 驱动程序 - CUDA® 11.2 要求 450.80.02 或更高版本。
• CUDA® 工具包：TensorFlow 支持 CUDA® 11.2（TensorFlow 2.5.0 及更高版本）
• CUDA® 工具包附带的 CUPTI。
• cuDNN SDK 8.1.0 cuDNN 版本。
  （可选）TensorRT 6.0，可缩短用某些模型进行推断的延迟时间并提高吞吐量。

1）安装 Anaconda3/

可以到清华大学开源软件镜像站下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

2）安装CUDA Toolkit 11.4
地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64

下载完成后，双击exe程序，开始安装CUDA，这里选择自定义安装（高级）：

然后进入下一步，取消勾选NVIDIA GeForce Experience，然后展开CUDA列，里边有Visual Studio Integration，这里如果电脑上安装了Visual Studio，则可以勾选，否则取消勾选。由于深度学习的开发很多都是在轻量级开发工具中开发，因此取消勾选即可。

然后打开Driver components，确保Display Driver版本号高于当前版本号，否则取消勾选：

安装完成后，检验安装是否成功。在C盘默认安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\bin
找到nvcc.exe

额外确认cputi安装情况。路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\CUPTI\lib64

3）安装cuDNN
下载cuDNN需要NVIDIA注册。下载地址为：https://developer.nvidia.com/rdp/cudnn-archive
因为上面安装的版本为11.4，所以这里需要下载如下版本：

选择windows平台版本：

下载完成后，将其解压，然后将其重命名为cudnn，然后复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

进入cudnn的bin目录，确认cudnn64动态库：

4）配置环境变量
将如下路径配置到系统PATH中，并将其放在一起，置顶。

5）测试CUDA安装是否成功
使用命令nvcc -V

3. TensorFlow 2安装

# Requires the latest pip
pip install --upgrade pip

# Current stable release for CPU and GPU
pip install tensorflow-gpu

# Or try the preview build (unstable)
pip install tf-nightly

验证tensorflow安装情况：

3. 第一个TensorFlow程序

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

到这里就说明 TensorFlow 已经安装成功了。