Windows10下安装anaconda与搭建tensorflow-gpu虚拟环境_win10 conda虚拟环境安装tensorflow-gpu-优快云博客

本文链接：https://blog.youkuaiyun.com/xixi11a/article/details/119703944

本文提供了一步一步的深度学习环境搭建教程，包括Anaconda的安装，TensorFlow-GPU与PyTorch-GPU虚拟环境的创建，以及CUDA和CuDNN的配置。还介绍了如何检查GPU是否可用，以及使用Jupyter Notebook进行测试。同时，文章提供了conda常用命令行和PyTorch环境搭建的链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以下是一套个人认为最简单明了的深度学习框架环境搭建方案，供各位参考学习：

一、安装anaconda

官网：https://www.anaconda.com/products/individual

直接下载安装即可，注意在此处勾选上“添加anaconda3到系统PATH环境变量”。
在这里插入图片描述

二、搭建tensorflow-gpu虚拟环境

安装anaconda3后直接Windows键 + R输入cmd打开命令行窗口

// 1.创建名为env_name虚拟环境
C:\Users\gh>conda create -n env_name python=3.8

// 2.激活env_name环境
C:\Users\gh>activate env_name

// 3.在env_name环境下pip默认安装最新版tensorflow
(env_name) C:\Users\gh>pip install tensorflow

接下来最好先去NVIDIA官网手动更新一下显卡驱动https://www.nvidia.cn/Download/index.aspx?lang=cn

如cuda、cudnn需手动下载则去cuda官网选择显卡控制面板系统信息查找适配cuda版本，cudnn登录显卡官网下载解压复制到cuda文件夹下，最后设置环境变量到系统path：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp

// 4.更新显卡驱动后此条命令会默认安装最新版tensorflow-gpu及cuda、cudnn
(env_name) C:\Users\gh>pip install --ignore-installed --upgrade tensorflow-gpu

如无法自动安装cuda及cudnn：
conda install cudatoolkit
conda install cudnn
版本自动匹配

// 5.安装jupyter notebook
(env_name) C:\Users\gh>conda install notebook

// 6.打开jupyter notebook测试
(env_name) C:\Users\gh>jupyter notebook

// 7.tensorflow-gpu测试，true即为成功。
import tensorflow as tf
print('GPU:', tf.test.is_gpu_available())

三、conda常用命令行

conda常用包下载命令行搜索：https://anaconda.org/

创建环境: conda create -n env_name

删除环境: conda remove -n env_name --all

删除环境下包: conda remove --name $env_name $pack_name

安装包: conda install pack_name

展示已下载环境名: conda info --envs

四、pytorch-gpu环境搭建

创建环境
pytoch下载官网:
https://pytorch.org/get-started/locally/

https://www.tensorflow.org/install/source#common_installation_problems
查看tensorflow-keras-cuda-cudnn版本匹配对应问题

直接通过pip install tesnorflow-gpu==2.0.0
conda install cudatoolkit=10.0.0
conda install cudnn=7.6.5