tensorfolw-gpu14.0版安装_tensorflow-gpu 1.14.0

写在前面：

安装所需：
tensorflow-gpu14.0+cuda10.0+cudnn7.6.5+VS2017

查看显卡驱动版本

使用“nvidia-smi”查看本机显卡支持的驱动版本

安装的cuda版本要不高于显卡支持的驱动版本

anaconda安装知乎教程

anaconda中自带有python，不需要再单独安装python了，最新在官网下载的anaconda2021中集成的是python3.8.
官网下载地址anaconda下载

1. 打开下载的exe文件开始安装，然后按照提示进行安装
   
2. 配置环境变量，此电脑——属性——高级系统设置——环境变量——path——编辑——新建
   
3. 检验是否安装成功
   依次在电脑上点击开始 --> Anaconda3(64-bit) --> Anaconda Navigator，成功打开，打开过程中可能会闪烁，出现下述界面，则安装成功。
   
   或者在anaconda的prompt中，用管理员身份运行，用命令conda list查看，会出现一些已安装模块的信息，则表示安装成功
   
   进行了上述第二步的环境变量配置后，直接在本机的cmd中输入conda list，也会出现相同的效果。没有配置环境变量会提示命令错误。

安装cuda和cudnn

cuda下载地址
Cuda10.1 下载地址：
https://developer.nvidia.com/cuda-10.1-download-archive-base
Cuda10.0 下载地址：https://developer.nvidia.com/cuda-10.0-download-archive
不同的版本下载地址，直接修改URL中的版本号部分即可
cudnn各版本下载地址
我下载的是cuda10.1，对应cudnn7.6.5

安装cuda

双击cuda10.1安装包打开，并设置安装路径。等待安装。

按照提示操作，精简模式和自定义安装，选择自定义安装，且第一次安装时选择所有选项，非第一次安装则只勾选第一个选项，避免不必要的麻烦。

安装结束

我预先没有下载VS，所以已安装的部分没有VS安装版本，为了gpu班tensorflow运行不出错，需要单独安装VS。或者是先安装好VS，再安装cuda。
在安装结束以及cudnn配置好之后，导入tensorflow时会出现找不到cudart64_100.dll的错误，原因是tensorflow14.0对应的版本是cuda10.0，所以后续重新下载安装cuda10.0
非第一次安装，只勾选第一个选项后，会出现这样的提示信息，可以不用管，如果勾选了后面的选项，可能会安装失败。

本机安装了VS2019时，CUDA10.0在安装过程中会提示找不到对应版本的VS，经测试VS2017应该是可以的。

VS其他版本下载

在安装完成后，会自动添加下述环境变量

配置cudnn

把下载的cudnn7.6.5解压缩，将其中的三个文件夹复制到前面提到的系统默认安装位置或者自定义的安装位置中。

配置环境变量，将刚才复制的三个文件夹地址，以及libnvvp地址加入系统环境变量中

tensorflow-gpu1.14.0安装

python版本降级

最新下载的aconada对应的python版本是3.8，而python3.8需要安装tensorflow2.0以上版本，因此需要先将python的版本降为3.7（tensorflow-gpu1.14.0对应）
降级方法参考https://blog.csdn.net/xavier_muse/article/details/83998744
降级之后就是3.7的版本了。

降级之后就可以使用pip语句正常安装了
pip install --ignore-installed --upgrade tensorflow-gpu==1.14.0

pip安装之前可以再anaconda中设置清华镜像，下载更快，在命令航中输入以下三句，设置镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --set show_channel_urls yes

测试tensorflow是否能正常使用

通过下述两个语句判断tensorflow是否可以正常使用
import tensorflow as tf
print(tf.test.is_gpu_available())
如果结果是True，则可以用，其他信息是相关的提示信息。

如果导入的时候还是出现DLL文件错误，在配置好了环境变量的前提下，先重启电脑试试。

写在最后

有时候不同的代码可能会用到不同的模块，所以在pip安装前，可以先创建虚拟环境，以后需要用到什么模块就选择相应的虚拟环境即可，将anaconda创建虚拟环境的方法附在最后
府学路十八吖——anaconda中创建虚拟环境
要安装torch的时候，也需要考虑CUDA的版本是否支持，需下载对应的版本进行安装，CUDA10.0对应支持的最新版本是torch-1.2.0-cp37-cp37m-win_amd64.whl
查询方式可参考噢啦啦耶的文章

高版本的cuda安装详见333的小白的文章