Win10-anaconda与tensorflow_gpu 2.0/py37的安装教程与配置

Content：

​ 1.首先安装anaconda

​ 2.创建一个环境，用来安装tensorflow2.0以及相关的python packages

​ 3.激活创建的环境，安装tensorflow2.0 gpu版本及cudnn,cudatoolkit numba

​ 4.测试是否安装成功

​ 5.jupyter notebook中kernel的添加

​ 6.福利：Tensorflow教程资源

1.首先安装anaconda

点击anaconda进入官网下载根据电脑下载，我是下载的Windows64位下载完成后双击安装，点击Next点击I Agree点击Next由于anaconda很大有2.4G，所以我选择在了D盘，然后点击Next默认Install等待安装，然后Next最后Finish安装完成后找到如下图点击打开Anaconda Prompt输入python出现如下图说明anaconda安装完成了

然后配置下载源来使⽤国内镜像加速下载:(添加清华源，命令行中直接使用如下命令)

1
2
3
4
5
6
1.conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2.conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
3.conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

#设置搜索时显示通道地址
4.conda config --set show_channel_urls yes

2.创建一个环境，用来安装tensorflow2.0以及相关的python packages

1
2
3
#加上cudatoolkit and cudnn这样不论你的机器原来装的是否合适，都可以用tensorflow2.0gpu版本
conda create -n tf2 python=3.7 #创建python=3.7版本的环境，取名叫tf2
conda remove -n tf2 --all #删除环境（不要乱删啊啊啊）

要想安装gpu版本的同学，首先要查看自己的电脑CUDA driver version（驱动版本）：就是NVIDIA GPU的驱动程序版本，查看命令：nvidia-smi我们看到我的GPU的驱动程序版本是：388.73，所以我的电脑不能安装使用tensorflow-gpu 2.0,我win10上安装了tf2.0cpu版本，因为我的ubuntu18.04上我的GPU的驱动程序版本是：418.56所以在ubuntu18.04上安装了py3.7–tf_gpu-2.0.0a0—cuda10,cudnn7.3和py3.6–tf_gpu-1.13.1—cuda10,cudnn7.3两个环境

具体官方windows参考网https://tensorflow.google.cn/install/source_windows

官方Linux参考网https://tensorflow.google.cn/install/source

CUDA、显卡驱动和Tensorflow版本之间的对应关系https://blog.csdn.net/IT_xiao_bai/article/details/88342921

CUDA版本官方文档对显卡驱动版本有要求，见如下链接。

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

3.激活创建的环境，安装tensorflow2.0 gpu版本及cudnn,cudatoolkit numba

1
2
3
4
5
conda activate tf2 #激活环境
conda deactivate #退出环境
pip install tensorflow==2.0.0a0 #cpu版本
pip install tensorflow_gpu==2.0.0a0 #gpu版本--cuda要10.0及以上
conda install cudatoolkit=10.0 cudnn=7.3 numba #对于GPU版,安装对应版本的cudatoolkit和cudnn程序包

以上就完成了tensorflow2.0的安装

4.测试是否安装成功

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
#输入python，进入python环境
import tensorflow as tf
print(tf.__version__) #查看tensorflow版本
#输出2.0.0-alpha0

#测试GPU能否调用,先查看显卡使用情况
import os 
os.system("nvidia-smi")
#调用显卡
@tf.function
def f():
	pass
f()
#这时会打印好多日志，我电脑上还有warning，感觉不影响
#再次查询显卡
os.system("nvidia-smi")

5.jupyter notebook中kernel的添加

很多使用jupyter的同学会遇到这样一个问题，在anaconda中创建了多个环境，启动jupyter notebook后，在new的下拉菜单中却找不到。本文就解决这样的问题。

1.解决方法

​ anaconda默认的是python3，比如上面我创建了一个tf2的环境，但在Anaconda Prompt输入jupyter notebook打开jupyter notebook发现kernel只有python3可用，而我想使用tf2这个环境却找不到。

  • 首先，在anaconda中切换到tf2环境下，确认是否安装了ipykernel这个包，如果没有则安装
1
2
conda activate tf2  #进入tf2环境
pip install ipykernel  #安装ipykernel
  • 然后，在这个环境下输入一下命令
1
2
3
4
5
6
7
8
9
10
# xxx是在jupyter中显示的名字，建议使用环境的名字，但是不一样也没关系
# 我这里和环境名字一样，使用tf2这个名字
python -m ipykernel install --name XXXX
#比如我创建的tf2
python -m ipykernel install --name tf2

conda deactivate  #退出tf2环境
conda install cudatoolkit=10.0 cudnn=7.3 numba #对base启动jupyter notebook导入tf且不报错
jupyter kernelspec list  #查看安装的所以kernel
jupyter kernelspec remove xxx  #删除不想要的kernel
  • 在jupyter notebook中安装扩展
1
2
3
4
5
6
1. pip install jupyter_contrib_nbextensions
   或者
   pip install https://github.com/ipython- contrib/jupyter_contrib_nbextensions/tarball/master
2. jupyter contrib nbextension install --user

pip install yapf #安装Code prettify需要的包

如图

打开jupyter notebook查看如下：

2.遇到困难（选）

​ 在第二步中，linux环境下可能会遇到权限不足的问题，需要sudo权限。但是使用了sudo权限后，默认的python就不是环境中的python了，可以使用which python来查看。两个方法：

  • 我们手动告知python的具体位置
1
2
# 这里我们手动告知python的路径
sudo /home/test/anaconda3/envs/tf2/bin/python -m ipykernel install --name tf2
  • 改变系统默认的python，不推荐（已去掉）

6.福利：Tensorflow教程资源

  1. 适合初学者的Tensorflow教程和代码示例：https://github.com/aymericdamien/TensorFlow-Examples该教程不光提供了一些经典的数据集，更是从实现最简单的“Hello World”开始，到机器学习的经典算法，再到神经网络的常用模型，一步步带你从入门到精通，是初学者学习Tensorflow的最佳教程。
  2. 从Tensorflow基础知识到有趣的项目应用:https://github.com/pkmital/tensorflow_tutorials同样是适合新手的教程，从安装到项目实战，教你搭建一个属于自己的神经网络。
  3. Tensorflow入门教程Github学习:https://github.com/amusi/TensorFlow-From-Zero-To-One