最近開始做深度學習實驗，在老師的推薦下准備采用tensorflow框架構建神經網絡結構，在此記錄下今天安裝tensorflow2.0的過程和踩過的坑，方便以后復習，以及給后來者一個參考。
1.安裝過程
1）需要安裝的東西：
i.anaconda（或者miniconda，可以理解為精簡版的anaconda，只保留了一些必備的組件，所以安裝上會快很多，同時也滿足我們管理python環境的需求）。
ii.CUDA和CuDNN（CPU版不用，GPU版必須）
iii.tensorflow
CUDA和CuDNN可以單獨下載安裝，也可以使用pip安裝，筆者為了了解一下具體的安裝環境，選擇了手動下載的方式，
pip安裝可以參考這篇貼子：https://www.cnblogs.com/xiaosongshine/p/11615639.html
2）環境准備
miniconda
conda是很好用的python管理工具，conda 是 Anaconda 下用於包管理和環境管理的工具，功能上類似 pip 和 vitualenv 的組合。安裝成功后 conda 會默認加入到環境變量中，因此可直接在命令行窗口運行命令 conda可以很方便建立管理多個python環境，可以通過安裝anaconda和miniconda使用conda，miniconda可以理解為anaconda的精簡版本，只有少數的必備部件，安裝起來相對快很多，同時也能滿足我們管理python環境的需求。
miniconda推薦使用清華鏡像下載：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
選擇自己需要的版本：
- windows推薦地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Windows-x86_64.exe
- ubuntu推薦地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Linux-x86_64.sh
- Mac os推薦地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-MacOSX-x86_64.pkg
注意這兩個都要勾選，一個是讓我們可以直接在cmd使用conda指令，第二個是把miniconda自帶的python3.7作為系統python。
安裝好后就可以在cmd中使用conda指令了，cmd打開方式，windows鍵+R鍵，彈出輸入框，輸入cmd就進入了。也可以直接在windows搜索cmd點擊運行。
介紹一些后面會用到的conda命令命令：參考：https://blog.csdn.net/simuLeo/article/details/91486240
- 查看conda環境：conda env list
- 新建conda環境(env_name就是創建的環境名，可以自定義)：conda create -n env_name
- 激活conda環境（ubuntu與Macos 將conda 替換為source）：conda activate env_name
- 退出conda環境：conda deactivate
- 移除conda環境：conda create --clone tensorflow --name tf
- 安裝和卸載python包：conda install numpy # conda uninstall numpy
- 查看已安裝python列表：conda list -n env_name
CUDA和CuDNN
介紹一下本機環境，操作系統：windows10，顯卡設備：NVIDIA GeForce MX150.為什么要介紹顯卡設備呢？
CUDA是NVIDIA推出的運算平台，CuDNN是專門針對深度學習框架設計的一套GPU計算加速方案，在安裝之前要確認本機是不是NVIDIA顯卡，如果不是的話不能兼容。
在安裝之前，要先查一下tensorflow和CUDA是否支持，筆者采用的是python3.7，cuda10.0和tensorflow2.0.之前因為版本不兼容費了好大勁，走了很多彎路。
安裝cuda_10.0.130_411.31_win10：（下載地址：https://developer.nvidia.com/cuda-toolkit-archive）
運行cuda_9.0.176_win10.exe。安裝軟件會先運行一個系統檢查，如果沒有軟硬件不兼容的情況就能繼續進行下一步。若有不兼容情況，系統檢查則會報錯，無法進行下一步。
如果報錯了，就最先考慮下是不是自己的顯卡不被該版本支持。
在選項着一欄選擇自定義，否則安裝程序會一股腦把里面所有軟件包都給你裝上。
我因為不知道那些事需要的，就都裝上了。
安裝CuDNN，下載地址：https://developer.nvidia.com/rdp/cudnn-download（下載CuDNN需要注冊賬號，注冊過程比較簡單），注意選擇與CUDA對應的版本。
解壓壓縮包cudnn-9.0-windows10-x64-v7.0.zip，得到三個文件夾
將這三個文件拷貝到CUDA9.0的安裝路徑根文件夾下
tensorflow2.0（筆者安裝的是CPU版本）
新建TF2.0 GPU環境（使用conda 新建環境指令 python==3.6表示在新建環境時同時python3.6）
conda create -n TF_2G python=3.6當彈出 ：Proceed ([y]/n)? 輸入y回車
完成后就可以進入此環境
conda activate TF_2G
安裝TF2.0 GPU版本（后面的 -i 表示從國內清華源下載，速度比默認源快很多）
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安裝成功后會有如下提示：
測試TF2.0 GPU版本(把下面代碼保存到demo.py使用TF_2G python運行)
1 import tensorflow as tf 2 version = tf.__version__ 3 gpu_ok = tf.test.is_gpu_available() 4 print("tf version:",version,"\nuse GPU",gpu_ok)
測試結果
小白入坑，各種踩雷，歷時一天終於趟過去了
謝謝兩位大神的帖子：
1：https://www.cnblogs.com/xiaosongshine/p/11615639.html
一個小問題：
python pip升級失敗（python -m pip install --upgrade pip）
問題：服務器連接超時
解決方法：python -m pip install --upgrade pip -i https://pypi.douban.com/simple
