tensorflow-gpu安装

前言

最近因为项目需要，需要在本地部署tensorflow-gpu环境；当时搜了挺多个教程，都大致无二，pip install 或者 conda install，然后安装cuda和cudnn，但是因为种种原因吧，在第一步的install俺就被迫止步了。后续通过查资料，学习conda install或者pip install 的实现，自己摸索出了一个相对简单的方法。

先直接讲步骤，之后会记录一些自己的收获。

步骤

1. 查看conda支持的tensorflow-gpu的版本

   conda search tensorflow-gpu

2. 指定下载安装tensorflow-gpu的版本

   conda install tensorflow-gpu=2.12.0

3. 等待下载安装完成就行了，我当时是等了挺长时间的，一两个小时肯定有了，因为conda install本身就要慢一些

总结

1. 直接执行conda install tensorflow-gpu指令，会自动安装conda默认频道中可用的最新版本，但这个版本可能不是 TensorFlow 的最新发布版本；我第一遍安装时，就是直接执行的该指令，结果安装的tensorflow-gpu是1.x版本的，结果代码中很多方法都不支持，所以只能重新下载安装；可以通过-c conda-forge 指定使用Conda Forge源，该源由专业社区成员维护，涵盖程序齐全且更新及时

2. conda install并不是tensorflow-gpu的每个版本都支持，为了成功下载满足我们项目需要的版本，先查询conda支持的版本，也就是步骤中的第一步conda search tensorflow-gpu，之后根据查询结果选择合适的版本安装

3. 通过pip isntall tensorflow-gpu指令安装，通常为了下载速度我们会配置国内的镜像源。但是，我这次在下载的时候，会报错提示我未找到metadata，也就是说没有找到tensorflow-gpu的安装包；猜测有时候国内镜像源并不会及时更新各类第三方库，而且可能有些相对麻烦的第三方库它们也不会拉取到自己的源里

4. 当你pip install第三方库不成功时，可以换成conda install试试

5. 在通过conda创建虚拟环境时，也会从默认频道中选择其默认的最稳定的python版本，并不一定是最新版本的python解释器，尤其是当Anaconda不是最新的anaconda时，最好还是指定python版本；如果anaconda偏老的话，一般通过conda指令下载的任何东西都会偏老，所以在通过conda指令下载时，一定要指定所需要的版本

6. 当pip install和conda install都无效时，可以去pypi官网手动下载 wheel 文件并安装，这是肯定可行的方法

7. 在下载tensorflow-gpu时会自动下载cudnn和cudatoolkit两个依赖，基本可以满足tensorflow-gpu的需要，而不需要再额外下载cuda和cudnn，会省去一点麻烦

8. 我在conda install tensorflow-gpu=2.12.0指令执行过程中，还遇到了因为网络问题导致下载的文件不完整，字节数与服务器提供的 Content-Length 不匹配的问题，当时问了chatgpt建议我先清空conda缓存再重新下载。当时考虑到时间消耗，我没有清缓存，而是直接重新执行了一遍conda install tensorflow-gpu=2.12.0，我发现，就只把缺失的文件重新下载了，不会重新全部下载。之后询问chatgpt得知：如果不清除 Conda 缓存并继续直接通过 Conda 指令下载，Conda 会检查缓存目录中是否已有相同名称的文件。如果文件名完全相同，Conda 通常不会重新下载，而是直接使用缓存中的文件。

        以上都是我个人在本次tensorflow-gpu安装过程中的所得，所有收获均来自网上的资料及自己成功经验的合理猜测，如果有错误的地方，也欢迎大家指正！