Top12：Windows下同时安装tensorflow-gpu1.X版本和tensorflowgpu2.X版本
- 注意：显卡算力低于3.5，tensorflow会忽略gpu加速
- NVIDIA官方查找GPU算力的网址：https://developer.nvidia.com/cuda-gpus
- 前言
- 1. 配置环境
- 1.1 安装Anaconda
- 1.2 安装PyCharm
- 1.3 新建Anaconda虚拟环境
- 2. 配置cuda&cudnn
- 测试
- 3. 配置tensorflow-gpu1.X
- 3.1安装tensorflow-gpu 1.13
- 3.2测试
- 4. 配置tensorflow-gpu2.X
注意：显卡算力低于3.5，tensorflow会忽略gpu加速
NVIDIA官方查找GPU算力的网址：https://developer.nvidia.com/cuda-gpus
前言
如题 本篇是介绍如何在Windows10系统下让 tensorflow-gpu1.X 版本和 tensorflow-gpu2.X 版本共存，且可以满足日常训练
首先我们要把需要用到的软件下载好，在这一步需要注意，软件并不是最新版就是最好的，而是需要挑选相对稳定的，相互冲突少的。
需要用到的软件：
1. Anaconda3.x 官网链接
2. PyCharm 官网链接
3. cuda10.0 官网链接
4.cudnn7.4（对应cuda10.0）官网链接
下载好相应软件后，就可以进入到正题了
1. 配置环境
1.1 安装Anaconda
安装之前需要把杀软关闭，目的是为了防止误报，或者拦截安装包，导致安装不完整
暂时略，后续补充
1.2 安装PyCharm
暂时略，后续补充
1.3 新建Anaconda虚拟环境
依次打开 开始菜单 – Anaconda3 – Anaconda Prompt
查看当前系统下所有conda环境
conda env list创建环境
conda create -n your_env_name python=3.6注：your_env_name 自定义环境名 python=3.6 指定当前环境的python版本
删除环境
conda remove -n your_env_name --all退出当前环境
conda deactivate激活环境
activate your_env_name2. 配置cuda&cudnn
测试
接下来可以测试一下是否安装成功，打开cmd，切换到安装目录下的 demo_suite 文件夹下，默认路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite 分别执行 bandwidthTest.exe 和 deviceQuery.exe
得到如下图片中的两个结果：Result=PASS
3. 配置tensorflow-gpu1.X
在本文中以 tensorflow-gpu 1.13 版本为例
3.1安装tensorflow-gpu 1.13
安装方式有多种，可以使用pip，也可以使用conda
pip安装命令
pip install tensorflow-gpu==1.13.1conda安装命令
conda install tensorflow-gpu==1.13.1如果安装速度过慢，可以尝试着 切换网络 或者 切换国内镜像源，教程：
3.2测试
如无报错出现 并最后出现Successfully即说明安装成功
接着就可以运行一段代码来测试一下是否可以正常运行
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
with tf.Session() as sess:
print(sess.run(hello))
print(tf.__version__)运行结果会输出现在使用的版本号
4. 配置tensorflow-gpu2.X
注：由于tensorflow-gpu2.0以后的版本对python3.6的支持并不是多么友好，所以这里创建python3.7的conda环境。
步骤和之前新建anaconda虚拟环境一样，只是更改个名字就好，这里就不再过多叙述了。
这是我这里的配置好的截图
conda环境创建好后，可能涉及到一个默认环境的情况，可以参考这里
