Windows下Anaconda配置Tensorflow2.3.0+CUDA10.1
- 1. 安装Anaconda
- 2. conda创建环境
- 3. pip安装Tensorflow
- 4. 安装CUDA cuDNN
- 1. 准备工作，移除NVIDIA之前的安装
- 2.安装CUDA
- 3. 安装对应版本的cuDNN
- 5. 测试
1. 安装Anaconda
Anaconda是一个包管理器，在每个版本之间建立了隔离，可以方便的管理不同版本的Python环境。
Anaconda官网下载 现在conda pip 直接安装的网速还可以，不需要再设置国内镜像
2. conda创建环境
tensorflow2 的基本环境要求：
Python 3.5–3.8；Ubuntu 16.04 或更高版本；Windows 7 或更高版本（含 C++ 可再发行软件包）
conda新建环境
conda create -n tensorflow2 python=3.7conda删除环境
conda remove -n tensorflow2 --allconda复制环境
- conda没有直接的复制， 先 clone 一份 new name 的环境
- 删除 old name 的环境
conda create -n new_name --clone old_nmae
conda remove -n old_name --all3. pip安装Tensorflow
可以在https://pypi.org/project/tensorflow/查看tensorflow的各种历史版本，并根据相应的pip命令安装。
这里以tensorflow2.3.0为例
pip install tensorflow==2.3.0如果报错：“Cannot connect to proxy.’, OSError(0, ‘Error’)”，在网络-属性-Internet选项-局域网设置中，取消标记*'使用代理服务器’选项。
此时pip完毕后直接import tensorflow as tf 会提示机器上没有GPU，说明我们安装的tensorflow也是GPU版的。
4. 安装CUDA cuDNN
1. 准备工作，移除NVIDIA之前的安装
PS：这一步我在安装过程中并没有做，但也安装成功了，可能是因为刚刚重装了系统，C盘比较干净；如果是重复安装的话，还是删干净点比较靠谱。
进到C:\Program Files\NVIDIA Corporation,删除和NVIDIA有关的文件夹
同理，进入C:\Program Files (x86)\NVIDIA Corporation，删除下图所示的文件。删完后重启电脑。
2.安装CUDA
不同操作系统下tensorflow和CUDA版本对应关系可以参考Tensorflow官方或下面这篇博客
NVIDIA驱动版本和CUDA版本的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
这里选择安装CUDA 10.1
这个链接可以选择CUDA的历史版本。
依次选择Windows、x86_64、10、exe(local)，下载相应的Base Installer， 如果有相应的补丁（Patches），一并下载。装完CUDA把他们也都装了。
安装的时候一路默认安装即可，期间他可能会自动下载Visual Studio2017的一些东西用来编译。
3. 安装对应版本的cuDNN
在这个链接下载压缩包，下载前还需要注册一个NVIDIA的账号，然后答个傻傻的问卷。按要求做就可以了。
下载以后解压，得到以下文件
这三个文件夹里分别是cuDNN的动态链接库，静态链接库和头文件，把他们复制到CUDA10.1对应的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1即可。如果在环境变量中看到这两个变量值，那就说明CUDA已经在系统上安装成功了。
5. 测试
打开Anaconda Powershell Promot
conda activate tensorflow2python依次输入以下命令，如果返回值均是True，完成。
import tensorflow as tf
tf.test.is_built_with_cuda()
tf.test.is_gpu_available() #检查gpu是否可用
祝大家安装顺利，其实没啥麻烦的。
