Win10，深度学习GPU环境配置实录（Anaconda + TensorFlow 2 或 TensorFlow 1.15 + keras）

最新推荐文章于 2024-08-09 13:54:50 发布

原创

最新推荐文章于 2024-08-09 13:54:50 发布 · 2.6k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#TensorFlow #环境配置 #深度学习 #conda #Keras

本文详细记录了在Win10系统下，利用Anaconda配置深度学习环境的过程，包括CUDA和cuDNN的安装，以及TensorFlow-GPU和Keras的配置。此外，还分享了如何使用国内源加速下载，解决配置过程中遇到的坑，适合初学者参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这是我第N次遇到把环境搞坏，再重新配环境，然后忘记各个步骤中的指令，然后全网查资料的情况。于是我决定落实一下一直都有的一个想法：写个 Blog 记录下从零开始搭建环境的全过程，以方便将来再次把环境搞坏的自己和遇到相同问题的同学们。

前言

GPU 对深度学习运算效率提升非常巨大，就我目前做的一个项目而言，一个 epoch 用 CPU 耗时 1622s ，而用 GPU 仅需要 33s，粗略估计下使用 GPU 运算效率是 CPU 的 50 倍。然而深度学习 GPU 的环境配置之路上各种坑，希望本文可以帮你绕开这些坑。

TensorFlow 2.0 alpha 版本也已经发布，其整体风格更接近于 PyTorch，将 Eager execution 设置为默认优先模式，这就意味着任何运算在调用后就会立即运行，从而不再需要预先定义静态图，变得更加方便使用。而且 Google 也已经收购了 Keras，也就是说 TensorFlow 2 将和 Keras 耦合起来，整体上考虑学习 TensorFlow 2 也是非常有价值的。本文也将介绍 TensorFlow 2 的环境配置。

2019/10/7补充：TensorFlow 2.0 在祖国 70 岁生日之际正式 release 了，现在直接安装 TensorFlow 将默认安装 2.0 版本。

Anaconda 安装

从 Anaconda官网下载，安装。推荐安装 Python 3 的版本，所以无情的我给旁边打上了马赛克。

在安装过程中没有把 Anaconda 添加到环境变量的可以添加一下 Anaconda 的安装路径，%Anaconda%/Library/bin和 %Anaconda%/scripts/ ，这样就可以在 cmd 或者 powershell 中使用 conda 和 python，还可以避免一些问题。

conda 的简单使用

基本操作

Anaconda Prompt 用着很舒服。使用 install 安装包，remove 卸载包，activate 激活环境。有时候安装包的时候会出现没有权限什么的，以管理员身份运行 Anaconda Prompt 就好了。

以创建环境为例：

conda create -n DeepLearning python=3.7.4

移除环境：

conda remove -n DeepLearning --all

拷贝环境：

conda create --clone DeepLearning --name DL

使用国内 conda 软件源加速

鉴于惨不忍睹的下载速度，我们可以使用清华大学或者中科大的仓库镜像加速下载，以清华为例：

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-forge/

conda config --set show_channel_urls yes