Windows1 0配置 Anaconda+ Python3.6+ TensorFlow+ PyCharm

最新推荐文章于 2021-08-16 17:32:35 发布

小鹿很帅o

最新推荐文章于 2021-08-16 17:32:35 发布

阅读量205

点赞数 1

分类专栏：深度学习文章标签：深度学习机器学习

本文链接：https://blog.youkuaiyun.com/weixin_45742097/article/details/106783146

版权

深度学习专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍在Windows10环境下使用Anaconda搭建Python3.6及TensorFlow-GPU环境的过程，包括解决Python版本兼容性问题、安装GPU支持的TensorFlow并调整日志级别，最后将环境集成至PyCharm。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Windows10 配置 Anaconda+ Python3.6+ TensorFlow+ PyCharm

过去的一段时间，我一直在研究深度学习相关。在这个领域目前最常见的语言和事实上的标准是Python。与任何其他编程语言和工具一样，总是需要学习和熟悉的众多工具和框架，以便充分利用它们。

Anaconda的一个小问题

虽然Anaconda很好，但是目前它和TensorFlow配合上有一点小问题：

目前官网最新的Anaconda是集成Python 3.7的环境，注意是Python 3.7。
而Python 3.7和当前最新的TensorFlow2.2.0 稳定版是不兼容的！

所以这里我将以自己利用Anaconda安装TensorFlow的经验分享于你，介绍如何在集成Python3.7的Anaconda安装Python 3.6和TensorFlow-GPU。

电脑配置（供参考）

这里是我的电脑配置，供参考。当然这只是一个入门级的配置。

Windows 10 （家庭版）
Intel® Core™ i7-9700 CPU @ 3.20 GHz
8 GB Memory
1 TB Hard Disk
NVIDIA GeForce GTX 1650
下面进入正题，建议按照这个顺序来安装是比较合理的。

一、创建Python 3.6环境

右键管理员启动anaconda Prompt

创建python36这个环境：

conda create --name python36 python=3.6

进入python36这个环境：

conda activate python36

如果有需要回到 Python 3.7：

conda deactivate

二、安装 tensorflow-gpu

确认已经安装显卡驱动

注意：
我们并不需要单独安装CUDA Toolkit 或者cuDNN。因为在安装TensorFlow-GPU的时候，这两个libraries会被自动安装。

在安装TensorFlow-GPU之后，用conda list
查看，可以看到cudatoolit和cudnn的版本，我的如下：cudatoolkit 10.0、cudnn 7.6.1。

开始装TensorFlow-gpu

先确保是在python36这个环境下：

conda activate python36

开始安装：
（建议修改为清华源：

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

）

conda install tensorflow-gpu

检查TensorFlow是否已安装好

在python36里，进入python，然后输入：

import tensorflow as tf
hello = tf.constant('Hello , Tensorflow! ')
sess = tf.Session()
print(sess.run(hello))

输出应为：

b'Hello , Tensorflow! '

Disable GPU的Log信息

可能会有一堆的Warning，例如：

2020-06-14 17:25:51.878252: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2020-06-14 17:25:52.221768: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties:
name: GeForce GTX 1650 major: 6 minor: 1 memoryClockRate(GHz): 1.683
pciBusID: 0000:01:00.0
totalMemory: 8.00GiB freeMemory: 6.64GiB
2020-06-14 17:25:52.227274: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2020-06-14 17:25:52.655576: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-06-14 17:25:52.658983: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0
2020-06-14 17:25:52.660728: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N
2020-06-14 17:25:52.662681: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 6396 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1070, pci bus id: 0000:01:00.0, compute

解决办法：

在Python Code前设置log等级：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

TensorFlow2.0版本修改了许多函数名字

tf.sub()更改为tf.subtract()
tf.mul()更改为tf.multiply()
tf.types.float32更改为tf.float32
tf.pact()更改为tf.stact()
tf.Session()更改为tf.compat.v1.Session()

将Anaconda创建的环境加入到Pycharm中

在PyCharm中新建Project
在“Project Interpreter”中选择“Existing interpreter”
选择Python36这个路径下的python.exe作为interpreter