一文看懂Anaconda、Tensorflow_gpu、pycharm安装_anaconda+pycharm+tensorflow2.10.0gpu

版本问题

操作系统是win10，python版本是3.7，tensorflow版本是2.0.0，cuda版本是10.0，cudnn版本是7.6.4

安装Anaconda

Anaconda下载地址

https://www.anaconda.com/download/#download
根据需求下载自己想下载的版本

安装

第一个勾是是否把Anaconda加入环境变量，如果不勾需要自己手动添加，我是勾选了的，勾选后变红是正常现象，不必理会

这两个可以不用勾选
win+R打开cmd命令，出现python的版本等结果就代表安装成功了

安装tensorflow

其实先安装pycharm可能会更好，但先把tensorflow这块硬骨头啃了会让我感觉更舒服一点，想直接安装pycharm的可以先跳到安装pycharm那一节，这两节之间没有顺序要求。

准备工作

首先需要明确的一点是：电脑是否是NVIDIA显卡，以及显卡可使用的cuda版本
在“设备管理器”中查看“显示适配器”

通过官网查看显卡的计算能力如何，大于等于3.5=GPU；小于3.5=CPU
重点来了！！！
一定要注意tensorflow、cuda、cudnn三者之间的版本要适配，版本并不是越高越好！
查看tensorflow、cuda、cudnn、python版本配对关系的网址
坑：表不一定准，我第一次安装tensorflow2.0.0+cuda10.1结果出错，后来发现还是得用cuda10.0的版本。
查看显卡驱动与cuda版本对应的网址.

右键桌面打开NVIDIA控制面板，点击左下角系统信息可查看自己的驱动版本，如图我的为446.14

安装CUDA

确定好自己要安装的cuda版本后就可以进行安装了
NVIDIA CUDA各版本下载链接可以下载特定版本的cuda
cuda的安装比较简单，傻瓜式安装就可以了，安装后在cmd中键入 nvcc -V，出现下图就表示安装成功了

安装cuDNN

cuDNN下载链接
下载cuDNN时，需要注册，这里用邮箱注册一下就行
下载后解压出来三个文件夹：bin、include、lib\x64，将它们中的文件分别复制到CUDA的相应同名文件。我的cuda安装路径如图，将cudnn中的三个文件夹里的文件复制到下图里的三个同名文件中即可。

配置环境变量

图中前两个bin和libnvvp应该是自己就配置好的，我们只需要添加图中第三条环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

安装tensorflow

在国内安装TensorFlow时，下载会非常慢，刚开始我用的清华镜像源，速度还是很慢，不知道是我的问题还是别的什么，后来用的豆瓣镜像源很快。
pip install --ignore-installed --upgrade tensorflow_gpu==2.0.0 -i https://pypi.doubanio.com/simple/
安装不同版本的修改一下即可

安装pycharm

下载pycharm

pycharm下载链接下载Professional社区免费版

安装pycharm

pycharm的安装也很简单，同样建议勾选自动配置环境变量

配置解释器

测试

最后运行测试代码看是否安装成功

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf

a = tf.constant(1.)
b = tf.constant(2.)
print(a + b)
print('GPU:', tf.test.is_gpu_available())
print(tf.__version__)
1
2
3
4
5
6
7
8
9

结果如下表示tensorflow安装成功且能够使用gpu