windows10环境下带你一步一步安装tensorflow2.1（GPU）

笔者软硬件环境说明：

操作系统：win10

cpu: i5-6300hq

gpu：gtx950m

用到的软件：

1、anaconda

2、cudatoolkit

3、cudnn

4、tensorflow

5、pycharm

 预先准备

先去查看显卡的驱动版本：

1.进入显卡控制面板

2.依次点击帮助--系统信息--组件

如图所示，我的显卡支持cuda 11
这里后续要用的是cuda10，请保证显卡支持，如果支持的不到cuda10，比如这里显示cuda 9，去英伟达官网下载并安装新的驱动

在windows上使用tensorflow记得安装一个vc的小玩意儿，否则import tensorflow时会出现报错
我把这个软件分享到这里了，按照引导默认安装即可
https://pan.baidu.com/s/1i5bwDMVidjEZLwHUKK8WAg
提取码：rbvb

开始安装

我用的是2019-10版本的适配windows的64为anaconda3，各版本的下载地址在此：

https://repo.anaconda.com/archive/

请尽量与我一致

记得勾选just me

 

以及勾选加入环境变量
 

 

安装好anaconda后，点击

就可以看到如下界面：

先给conda换源：
输入这两行命令即可：
 

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --set show_channel_urls yes

然后创建环境：

conda create -n TF python=3.7

进入环境：

conda activate TF

安装cudatoolkit:

conda install cudatoolkit=10.1

安装cudnn

conda install cudnn=7.6

上述步骤有需要输入y/n 的地方，输入y即可
安装tensorflow：
这个软件很大，直接下载可能会报错说超时，
网上给出多种解决方法，这里采用换源
 

pip install tensorflow==2.1 -i https://pypi.douban.com/simple/

这里一定要是https，如果时http可能会有意想不到的问题发生
等待安装结束即可
记得一定要选定版本，笔者一开始安装时没有选定版本，默认安装了tf2.3，后续出了很多问题，难以解决。

然后安装pycharm，这里去官网下载个社区版即可，商业软件的安装没有什么难题，厂商很贴心的。

给pycharm配置成这样即可此时就可以用一个demo来测试一下了，新建一个test.py
 

import tensorflow as tf
tf_version = tf.__version__
print(tf_version)

gpu_available = tf.test.is_gpu_available()
#
print('tensorflow verson:' ,tf_version,"\tGPU available:",gpu_available)

a= tf.constant([1.0,2.0],name='a')
b= tf.constant([1.0,2.0],name='b')
reslut = tf.add(a,b,name='add')
print(reslut)

看看运行结果把：笔者再给各位一段简单代码来跑跑看是否有问题吧：
 

# 用到的是fashion mnist数据集，它全是服饰的灰度图，有10个分类，共7万张图
# 我们用6万张来训练，用一万张来测试
import os

import tensorflow as tf
os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'TRUE'
os.environ["CUDA_VISIBLE_DEVICES"] = "0"


(train_img, train_label) , (test_img, test_label) = tf.keras.datasets.fashion_mnist.load_data() # 加载数据


## 归一化
train_img = train_img / 255
test_img = test_img / 255

model = tf.keras.Sequential(
    [
        tf.keras.layers.Flatten(input_shape = (28,28)), # 把图片这种二维数据扁平层一纬的数据，len = 28 * 28
        tf.keras.layers.Dense(128,activation = 'relu' ),
        tf.keras.layers.Dense(10,activation = 'softmax')  # 用softmax来激活输出层
    ]
)

model.compile(
    optimizer = 'adam',
    # optimizer = tf.keras.optimizers.Adam(learn_rate = 0.01)      这就是自己在设定优化器
    loss = 'sparse_categorical_crossentropy', # label是数字的话，用这个

    metrics = ['acc'] # 度量正确率
)
history = model.fit(train_img,train_label,epochs = 5)  # 训练
model.evaluate(test_img,test_label) # 测试

在第一次执行该代码时需要等待fashion-mnsit数据集的下载
 

笔者也是自己一路填坑过来的，好了，到此为止了。