一次Windows10环境上搭建Tensorflow的记录

1. 搭建Python环境

长话短说，直接使用Anaconda安装Python环境以及一些常用的软件包
官网比较慢，可以使用清华的开源镜像站下载合适的版本：

https://mirrors.tuna.tsinghua...

本文使用的是Anaconda3-2018.12-Windows-x86_64版本

安装过程不再赘述，记得把不推荐的「配置环境变量」选项选上

安装成功后，可以查看python版本：

2. 安装NVIDIA驱动程序

官网地址：https://www.nvidia.cn/geforce...

注意：搜索合适的驱动程序之后，会默认下载DCH版本驱动，安装时可能会出现以下问题

所以，在下载时，需要将链接中的dch去掉，下载标准版驱动

上边那个才是标准版的，不要下载成下边的DCH版本的了

3. 安装CUDA

CUDA (Compute Unified Device Architecture) 是一种由NVIDIA推出的用于自家GPU的并行计算架构，该架构使GPU进行可以大量并行计算，能够解决复杂的计算问题。

CUDA的本质上就是一个工具包（ToolKit），本文选择的是CUDA 10版本

安装成功后去cmd执行nvcc -V，可以看到版本号信息

4. 安装CUDNN

如上所述，CUDA并不是针对于神经网络的GPU加速库，它是面向各种需要并行计算的应用而设计的。为了能够更快速的训练神经网络，还需要额外安装cuDNN。

NVIDIACUDA®深度神经网络库 (cuDNN) 是GPU加速的用于深度神经网络的原语库。
引用
cuDNN为标准例程提供了高度优化的实现，例如向前和向后卷积，池化，规范化和激活层。

也就是说，可以将cuDNN理解为是一个SDK，是一个专门用于神经网络的加速包，本文选择的是cuDNN v7.6.5.32版本

解压cnDNN压缩包，将其中的cuda文件夹复制到CUDA的安装目录中，本文使用的是默认路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

解压完成后，需要在系统变量的Path变量中增加其bin路径，并将该项置顶：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cuda\bin

5. 安装TensorFlow

安装Anaconda时，同时安装上了Python包管理工具pip，这里就可以直接使用pip install命令安装TensorFlow了

为了加速安装，使用-i命令安装清华源的包，本文安装的是TensorFlow GPU的2.0.0版本：

pip install -U tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.ed...

安装时可能某些包会出现一些错误，比如wrapt安装失败

执行命令单独安装下那些出错的包就好了，比如：

pip install -U --ignore-installed wrapt

然后重新安装TensorFlow即可

6. Hello World

安装好了，赶紧去Hello World一下
在cmd输入ipython，然后执行

import tensorflow as tf

如果出现了numpy相关的错误，可以是由于版本不匹配导致的
使用pip show numpy命令查看到当前的numpy版本是1.15.4，然后使用清华源安装最新的numpy

pip install --upgrade numpy -i https://pypi.tuna.tsinghua.ed...

将版本升级为1.21.4

再去试试

至此，TensorFlow算是安装完成了。

参考引用

安装包： https://blog.csdn.net/zimiao5...
清华源： https://pypi.tuna.tsinghua.ed...