- 1vue-element-template/admin添加多标签(tags)功能和修改tags的背景颜色_修改背景颜色
- 2Oracle预定义的21个系统异常类型_oracle中有哪些预定义异常
- 3云计算项目五：部署数据库服务mysql ｜部署共享存储服务NFS ｜ 配置网站服务_mysql 如何使用共享存储
- 4去除二值化图像横向离散点
- 5C++程序的自启动写入注册表的代码_visual c++ 1.1.1 写入注册表自动运行
- 6【线性代数的几何意义】向量的基本几何意义
- 7【Shell 命令集合 系统管理 】⭐⭐Linux 显示系统的基本信息 uname命令 使用指南_uname()
- 82022年中国互联网行业人才需求趋势：技术类职能占比大，经济发达城人才需求大[图]_人才需求趋势图
- 9Unity的PlayerPrefs不起作用_unity playerprefs失效
- 10YOLOv8改进 | 损失篇 | VarifocalLoss密集目标检测专用损失函数 (VFLoss，原论文一比一复现)_yolov8论文
tensorflow_gpu-2.10.0之Windows10版从零安装，依据官网保证CUDA和CUDNN兼容性_tensorflow2.10
赞
踩
[Windows10安装python深度学习最新环境]
此文更新说明： 如果安装的经历让你身心俱疲，请信任我，只要再耐心操作一次，保你成功！！！
新手郑重提示：
深度学习环境安装时一定不要通过本地独立下载的python应用程序来安装，记住，一定不要，否则你会遇到一系列pip下载失败或龟速的情况。即使更改镜像也不尽人意，记住，这不是因为你脸不够白哦，是因为这种方式本身就不可取不可取不可取！还有，如果你的cpu过老（比如Core I3），可能不支持tensroflow库的部分功能。本文有点长，若想配置成功还请认真阅读！！！
最靠谱的办法：
要先安装大蟒蛇（anaconda），anaconda已经为我们内置了python环境（通过python -V查看版本）及三方库（比如：numpy，pandas），安装后dos内通过conda activate命令激活anaconda环境，在anaconda环境内通过pip结合镜像的方式下载tensorflow及其它库，你会看到下载的进度条是飞速的。而你原先单独下载安装的python环境不删也不会冲突，这点请放心！毕竟python是动态语言。
下载说明：
- Anaconda3-2020.07-Windows-x86_64.exe（此版本安装后内置了python3.8.3版本，之前装过其它python版本也没事，不冲突）https://www.anaconda.com/products/individual
- 在Anaconda3环境中通过pip命令安装tensorflow-gpu-2.10.0，keras（anaconda中通过pip+镜像的形式安装TensorFlow和Keras会飞快），即便tensorflow内置了keras，但建议还是独立安装一份
- 显卡驱动下载覆盖原先的驱动，确保驱动是较新的，英伟达驱动官网：https://www.nvidia.cn/Download/index.aspx?lang=cn#（别忘了：下载类型选Studio驱动程序(SD)）
- cuda_11.2.0（约2.8GB）
- cudnn-8.1（460MB）
- cudart64_101.zip（136KB）https://www.dll-files.com/cudart64_101.dll.html
下图是tensorflow官网提供安装对应程序版本兼容性说明：
提示：若电脑没有显卡支持也可这么装，只要跳过4、5、6部分的安装即可。上面大致告诉你该准备下载的套件，接下来就按照上面的顺序安装
Anaconda安装及下载tensorflow-gpu和keras
anaconda下载地址：https://www.anaconda.com/products/individual，点击后进入页面，拖到最底部有对应的选择版本，我选的时windows 64-Bit的那个，具体如下：
anaconda安装注意事项：都勾选上就不用自己配环境变量了并且自带python3.8.3（tensorflow官方安装介绍虽然写的python版本是3.7，但是更高的版本完全可以），其他步骤不必纠结跟着提示放心大胆的走，安装路径也可以自定义。勾选如下图：
安装完毕后cmd命令进入dos系统，
输入 conda activate 激活anaconda环境，如下：
输入 python -V 查看python版本，如下：
输入 pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ 。如下：
你可以在类似D:\Anaconda\Anaconda\Lib\site-packages的路径中找到你刚才下载的tensorflow库。
输入 pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple/ 下载keras，这里建议独立安装一份，即便tensorflow内置了keras，如下：
由于之前装过了，它提示已经存在了，你们下载时应该会看到进度条飞快地再跑。至此，python科学深度学习套件就下载完了，可以通过 conda deactivate 退出anaconda环境。
之后在你的anaconda的site-packages子路径下会看到刚才安装的库，具体路径参照，如下：
显卡驱动下载及安装
去英伟达驱动官网：https://www.nvidia.cn/Download/index.aspx?lang=cn#（安装时根据自己显卡内容选择配置项，这里我的1660Ti显卡下载类型选Studio驱动程序(SD)），下载完毕后直接安装，安装过程可能会屏幕闪动，属正常现象，此外，如果你遇到其他的界面bug，重启就好了。提示：这一步确保你的显卡驱动是新版的，如若忽略这一步，在装cuda时可能会出现电脑莫名重启进而导致cuda安装失败！
cuda_11.2.0下载及安装
下载地址https://developer.nvidia.com/cuda-toolkit-archive，选择11.2.0：
下载完毕后安装，新手建议统统全部所有都默认安装，默认安装会装所有的套件，这里我选择的也是默认安装，我只负责的一路点击next，如果你不选择默认安装，之后少安装了什么东西在某些代码场景下可能会执行不了。此外，如果你电脑没有VS环境，中途会有个关于visual studio 这一项缺失警告，大可忽略掉继续next，也有可能报关于NVIDIA某个组件已经存在的错误，只需在电脑控制面板中将其对应卸载掉即可。安装时会屏闪，属正常现象。默认安装完毕后，会省去部分环境变量的配置，只需按如下配置环境变量，缺失哪项对照补上：
cudnn-11.0下载及安装
遗憾的是，下载cuDNN必须要注册一个免费的NVIDIA开发者账号https://developer.nvidia.com/cudnn-download-survey，访问链接后点击Join now按钮进行注册，在中途收到的邮件中认证一下就好了（注意：邮件接收延迟可能有点高，耐心等待！）。当你有了账号登陆后要填写一些下载的理由，随你喜好填就好了！
附上3张图，具体下载流程，如下：
图一：
图二：
图三：
下载完成后是个压缩包文件，直接解压就好了，其中包括了bin、include、lib这三个文件夹和一个.txt文本文件。接下来要做的就是将这三个文件夹（不包过那个.txt文本文件）拷贝到之前下载的cuda对应的子路径中，具体如下：
cudart64_101下载
在配置完成所有环境准备运行代码时，遇到了找不到cudart64_101的警告，下载地址https://www.dll-files.com/cudart64_101.dll.html，之后将解压后的cudart64_101.dll文件复制到类似 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin 中去，根据你的具体路径参照这个路径。
结束
至此，一切都结束了，附上一段代码：
from keras.datasets import imdb
def run():
(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)
print(train_data)
print(type(train_data))
print(train_labels[0])
print(max([max(sequence) for sequence in train_data]))
if __name__ == '__main__':
run()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
执行效果图如下：
再附上一小段代码，检测是否支持GPU，如下：
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
- 1
- 2
执行效果图如下：
至此大公告成！
由于网上的很多安装环境的配置都是旧版本的，所以想弄个最新的试一下，还算顺利！后期会对这篇文章不定期查缺补漏完善的。
创建日期：2020-08-09
修改日期：2022-11-01
