Windows系統下安裝Tensorflow
@
前言
官方文檔，是最為可靠和實用的，建議使用官方文檔安裝
1、下載Anaconda
下載Windows版本
2、安裝Anaconda
雙擊下載好的Anaconda3-2021.05-Windows-x86_64.exe
install
一直next to
🆘🆘🆘注意需要勾選add anaconda to environment
3、安裝完成Anaconda
執行Anaconda Prompt (www.anaconda.com)快捷方式
-可用win鍵或者開始菜單欄找到 Anaconda Prompt快捷方式
進入到命令模式：
- 檢測anaconda環境是否安裝成功：conda --version
用戶名而已啦
-
檢測目前安裝了哪些環境變量：conda info --envs
-
Anaconda中安裝了一個內置的python版本解析器(其實就是python的版本)
查看當前可以使用的python版本：
conda search --full --name python
安裝python版本（3.6.8經久不衰，嘿~）
conda create --name tensorflow python=3.6.8
--name可以指定創建python的名字（tensorflow）,python=3.6.8就會去安裝python
如果提示錯誤， Not a supported wheel on this platform，是因為你指定不python版本不是3.6.8
- 激活tensflow的環境
activate tensorflow
在C盤前面有括號有（tensorflow）表示激活成功
-
檢測tensflow1的環境添加到了Anaconda里面：conda info --envs
-
檢測當前環境中的python的版本：python --version
-
退出tensorflow的環境
deactivate
- 切換到tensorflow的環境
activate tensorflow1
你可以把tensorflow當成java的jdk這種操作，android的gradlew，完成了這些操作相當於anaconda提供了一個基礎的依賴環境，方面后面我們正式的安裝tensorflow
補充Anaconda官方開發文檔：
https://docs.anaconda.com/anaconda/user-guide/getting-started
https://anaconda.org/
4、正式安裝tensorflow
Tensorflow的官方文檔，可以得到安裝tensorflow的一個命令是下面：
pip install tensorflow
如果在用conda安裝包時出現：
You will need to adjust your conda configuration to proceed.
你需要輸入
使用以下語句可以恢復到默認源。
conda config --remove-key channels
修改.condarc文件【該文件清華】
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
即可添加 Anaconda Python 免費倉庫。
運行 conda clean -i 清除索引緩存，保證用的是鏡像站提供的索引。
運行 conda create -n myenv numpy 測試一下吧。
推薦一個小技巧，永久修改pip鏡像(強推)
Windows系統：
直接在user目錄中創建一個pip目錄，如：C:\Users\xx\pip，並新建文件pip.ini文件，pip文件內容如下：
或者修改或者創建文件C:\Users\${UserName}\AppData\Roaming\pip\pip.ini，${UserName}可通過cmd執行指令set Username獲得，也就是當前用戶的用戶名；
[global]
timeout = 6000
index-url = http://mirrors.aliyun.com/pypi/simple/
trusted-host = mirrors.aliyun.com
- timeout 超時設置
- index-url 源，可以換成其他的源
- trusted-host 添加源為可信主機，要不然可能報錯
- disable-pip-version-check 設置為true取消pip版本檢查，排除每次都報最新的pip， 不推薦添加
5、通過命令
pip install --upgrade --ignore-installed tensorflow
剩下的就是慢慢的等待安裝的過程啦
溫馨提示：如果用這個命令之后，提示你需要升級你的pip的版本，直接更新pip版本就可以了
Tensorflow使用
上面通過anaconda3安裝好tensorflow，下面我們來使用tensorflow，兩種方式都可以，anaconda prompt是終端模式，spyder可視化的IDE，當然也可以使用pycharm，這里介紹終端模式的使用
如果電腦支持GPU加速，NVIDIA官網下載CUDA、cuDNN
參考：安裝CUDA和cuDNN
參考：詳細安裝CUDA和cuDNN
下載安裝cuDNN時候可能需要登陸NVIDIA賬號。
或者使用Anaconda命令安裝CUDA和cuDNN
並配置環境變量
或者anaconda環境安裝CUDA和cuDNN
CUDA Toolkit and Minimum Compatible Driver Versions
| CUDA Toolkit | Toolkit Driver Version | |
|---|---|---|
| Linux x86_64 Driver Version | Windows x86_64 Driver Version | |
| CUDA 11.4 Update 1 | >=470.57.02 | >=471.41 |
| CUDA 11.4.0 GA | >=470.42.01 | >=471.11 |
| CUDA 11.3.1 Update 1 | >=465.19.01 | >=465.89 |
| CUDA 11.3.0 GA | >=465.19.01 | >=465.89 |
| CUDA 11.2.2 Update 2 | >=460.32.03 | >=461.33 |
| CUDA 11.2.1 Update 1 | >=460.32.03 | >=461.09 |
| CUDA 11.2.0 GA | >=460.27.03 | >=460.82 |
| CUDA 11.1.1 Update 1 | >=455.32 | >=456.81 |
| CUDA 11.1 GA | >=455.23 | >=456.38 |
| CUDA 11.0.3 Update 1 | >= 450.51.06 | >= 451.82 |
| CUDA 11.0.2 GA | >= 450.51.05 | >= 451.48 |
| CUDA 11.0.1 RC | >= 450.36.06 | >= 451.22 |
| CUDA 10.2.89 | >= 440.33 | >= 441.22 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
GPU
| Version | Python version | Compiler | Build tools | cuDNN | CUDA |
|---|---|---|---|---|---|
| tensorflow_gpu-2.6.0 | 3.6-3.9 | MSVC 2019 | Bazel 3.7.2 | 8.1 | 11.2 |
| tensorflow_gpu-2.5.0 | 3.6-3.9 | MSVC 2019 | Bazel 3.7.2 | 8.1 | 11.2 |
| tensorflow_gpu-2.4.0 | 3.6-3.8 | MSVC 2019 | Bazel 3.1.0 | 8 | 11 |
| tensorflow_gpu-2.3.0 | 3.5-3.8 | MSVC 2019 | Bazel 3.1.0 | 7.6 | 10.1 |
| tensorflow_gpu-2.2.0 | 3.5-3.8 | MSVC 2019 | Bazel 2.0.0 | 7.6 | 10.1 |
| tensorflow_gpu-2.1.0 | 3.5-3.7 | MSVC 2019 | Bazel 0.27.1-0.29.1 | 7.6 | 10.1 |
| tensorflow_gpu-2.0.0 | 3.5-3.7 | MSVC 2017 | Bazel 0.26.1 | 7.4 | 10 |
| tensorflow_gpu-1.15.0 | 3.5-3.7 | MSVC 2017 | Bazel 0.26.1 | 7.4 | 10 |
| tensorflow_gpu-1.14.0 | 3.5-3.7 | MSVC 2017 | Bazel 0.24.1-0.25.2 | 7.4 | 10 |
| tensorflow_gpu-1.13.0 | 3.5-3.7 | MSVC 2015 update 3 | Bazel 0.19.0-0.21.0 | 7.4 | 10 |
| tensorflow_gpu-1.12.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7.2 | 9 |
| tensorflow_gpu-1.11.0 | 3.5-3.6 | MSVC 2015 update 3 | Bazel 0.15.0 | 7 | 9 |
| tensorflow_gpu-1.10.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.9.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.8.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.7.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.6.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.5.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 7 | 9 |
| tensorflow_gpu-1.4.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.3.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 6 | 8 |
| tensorflow_gpu-1.2.0 | 3.5-3.6 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.1.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
| tensorflow_gpu-1.0.0 | 3.5 | MSVC 2015 update 3 | Cmake v3.6.3 | 5.1 | 8 |
查看驅動，和選擇對應的版本號
不加等於和版本號
安裝CUDA
conda install cudaToolkit
# conda install cudaToolkit=8
安裝cuDNN
conda install cudnn
#conda install cudnn=6
安裝pytorch
conda install pytorch torchvision torchaudio
或者安裝tensorflow
conda install tensorflow
6、安裝keras
pip install keras -U --pre
Keras在tensorflow基礎上安裝的。所以安裝keras需要安裝tensorflow環境