tensorflow-gpu版本安装

一. tensorflow版本对应CUDA及cuDNN版本

展开内容： Tensorflow不同版本要求与CUDA及CUDNN版本对应关系

二. 安装tensorflow-gpu

1.创建虚拟环境

1）输入conda --version 查看版本

2）配置Python环境

conda create –n tensorflow python=3.5

查看环境：conda env list
删除环境：conda remove -ntensorflow --all 

3）激活python环境：activate tensorflow

activate tensorflow 

退出当前环境：deactivate 

2.安装tensorflow-gpu

• 传统的方法就是用pip 安装，导致后面还要下载英伟达的cuda支持以及cdnn库
  在这里用一种简单的方法，不依靠pip

---

配置 清华源 镜像库，加快下载速度

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

---

1）安装tensorflow-gpu

conda install tensorflow-gpu

2）包中内容包括cuda和cudnn，自动安装，不用自己单独下载了

3）安装完成后测试

import tensorflow as tf
hello = tf.constant('hello world')
sess = tf.Session()

已经调用gpu了，安装tensorflow-gpu成功

三. 安装 jupyter notebook

1）先安装ipython，再安装jupyter

conda install ipython
conda install jupyter

2）查看当前环境的所有依赖包，包含jupyter了

conda list

3）anaconda里增加了新的jupyter notebook

4)打开jupyter notebook，使用tensorflow

四. 修改 jupyter notebook默认工作路径

1. 从配置文件修改默认路径

1）打开终端，生成配置文件

jupyter notebook --generate-config

2）找到文件位置，修改配置文件默认工作路径，保存


3）在终端输入 jupyter notebook

到此为止，已经将工作路径修改为自定义常用路径。

• 重启后发现worksapce又回到了默认的C盘用户下，所以又采用下述方法启动

2. 直接在对应目录打开jupyter notebook

1）打开终端，激活虚拟环境

activate tensorflow

2）找到自己常用的工作目录

cd D:\Jupter_Notebook
d: （切换到D盘）

3）在目录里打开jupyter notebook

jupyter notebook

如下图所示：

三. 用pip安装其他python库

1）安装keras

pip install keras

2）安装pandas、matplotlib、scikit-learn等等

pip install pandas
pip install matplotlib
pip install scikit-learn

3）降级numpy

卸载numpy：
pip uninstall numpy
安装指定版本numpy：
pip install numpy==1.14.5
查看numpy版本：
pip show numpy