windows配置tensorflow深度学习环境

tensorflow环境安装

1.安装anaconda、cuda、cudnn

2.选取对应版本

https://www.tensorflow.org/install/source?hl=zh-cn#gpu

3.创建新的虚拟环境

根据前面的选择，打开打开 Anaconda Prompt 或者终端以执行后续命令（这里我是加入了path，所以win+R cmd打开终端就行）

输入以下命令，创建一个名为tensorflow2.0-gpu的新虚拟环境，这里python选择了3.7版本，根据前述的调查，TensorFlow 2.0 是支持 Python 3.7 的。

conda create –n tensorflow2-gpu python=3.7

激活环境

activate tensorflow2-gpu

4.安装

方法一：

`pip install tensorflow-gpu==2.4.0`

方法二：

pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

方法二：即为了后续pip 安装使用国内源，可在以下路径C:\Users\Administrator\AppData\Roaming\pip，如果在Roaming中没有pip文件夹，则自己新建pip文件夹，同时在文件夹中新建文件pip.ini，在文件中输入以下内容

[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors =true
mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn

或者

[global]
timeout = 60000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn

方法三：
为了使安装包速度更快，这里要改下源文件.condarc，我的源文件目录在：C:\Users\Administrator\ .condarc，如果没有.condarc文件，就cmd打开操作台，输入：conda config --set show_channel_urls yes
把里面的内容改成以下即可：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true
ssl_verify: false

方法四：

判断是否安装成功
执行以下代码：

#输入以下代码导入 TensorFlow 库并打印版本号
import tensorflow as tf
print(tf.__version__)
 
#检查 GPU 是否可用，输出为 True，则表示 GPU 版本的 TensorFlow 已正确安装并能识别你的 GPU
print("GPU Available: ", tf.test.is_gpu_available())
 
#列出可用的 GPU 设备，如果 GPU 已正确安装，能在输出中看到类似 physical_device:device_type: "GPU" ... > 的信息
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

import tensorflow as tf
import timeit
import os

with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

print('GPU', tf.test.is_gpu_available())

补充

’跑其他深度学习库还需要安装以下库

scipy==1.4.1
numpy==1.19.2
matplotlib==3.2.1
opencv_python==4.2.0.34
tensorflow_gpu==2.4.0
tqdm==4.46.1
Pillow==8.2.0
h5py==2.10.0

如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件，复制上述内容到txt文件中。

使用如下指令安装即可。下述指令中，requirements.txt前方的路径是我将文件放在桌面的路径，各位同学根据自己的电脑修改。
pip install -r C:\Users\33232\Desktop\requirements.txt

转载于：
https://blog.youkuaiyun.com/Silver_777/article/details/133626800
https://blog.youkuaiyun.com/weixin_44791964/article/details/120657664?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522169880178516800215048594%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=169880178516800215048594&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_blogfirst_rank_ecpm_v1~rank_v31_ecpm-10-120657664-null-null.nonecase&utm_term=%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE&spm=1018.2226.3001.4450