Anaconda

Anaconda是管理各个python包的工具，这里我们主要使用的是numpy，以及其他的一些常用包。

Anaconda官网链接：https://www.anaconda.com/

各个系统版本的Anaconda安装程序都可以直接下载安装即可，相关使用方法可以参考该文章

CUDA

  1. 首先查看自己电脑GPU对应的cuda版本，如图所示打开 NVIDIA控制面板->帮助->系统信息->组件（可在控制中心或右下角通知栏打开），我这里GPU对应的cuda版本是11.6.106，所以安装的cuda不能超过这个版本。

或者在cmd命令行输入nvidia-smi也可以查看CUDA版本。

  1. 进入CUDA Toolkit Archive网站选择低于刚才查到的版本的cudatoolkit，本文选择CUDA Toolkit 11.0 Update 3，下载安装包约2.7G。

注意：这里选择的cuda版本会决定后面安装cudnn和tensorflow-gpu的版本，三者是相关的，如果版本不匹配将无法使用，具体匹配版本参考https://tensorflow.google.cn/install/source_windows，下表为节选。

版本 Python 版本 编译器 构建工具 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 8.0 11.0
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

  1. 双击下载的exe安装包，选择临时解压位置，然后点击ok，解压时间两分钟左右。

  1. 同意许可协议，然后选择自定义安装选项，然后点击下一步

  1. 选择驱动程序组件，一定要勾选CUDA，然后点击下一步。

  1. 选择自己电脑上的一个安装位置，然后开始安装。

  1. 等待安装结束，本电脑18年笔记本机械硬盘安装耗时约5分钟

  2. 检查环境变量，一般安装完成后会自动配置好环境变量，打开设置-系统-系统信息-高级系统设置-环境变量进行检查，如果没有则需要自行添加（注意添加时修改成自己的安装路径）

  • 系统变量中是否有CUDA和NVCUDASAMPLES两组环境变量。

  • 打开系统变量的Path，查看是否有以下环境变量。

  1. CUDA安装完成

cnDNN

  1. 打开cudnn官网，根据上面的表格查看自己应该下载的cuDNN版本，我的CUDA版本为11.0，对应cuDNN版本为8.0，注意看清cuDNN后面有对应的CUDA版本，一个cuDNN可能对应多个版本的CUDA，下载时会要求先注册NVIDIA账号。

  1. 解压文件，将解压后的文件移动到CUDA对应的安装目录中

  1. cuDNN安装完成

安装TensorFlow

  1. 打开cmd命令行界面（建议以管理员身份打开），切换opentuna的pip镜像源
1
pip config set global.index-url https://opentuna.cn/pypi/web/simple
  1. 创建虚拟环境，后面跟的是电脑安装的python版本，注意是否与
1
conda create -n tensorflow2 python=3.8
  1. 激活虚拟环境
1
conda activate tensorflow2
  1. 安装tensorflow，具体版本号根据上面的表格对应。
1
pip install tensorflow-gpu==2.3.0

  1. 验证安装是否成功，打开cmd界面，输入以下命令，查看输出是否Successfly
1
2
3
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

如果出现Could not load dynamic library 'cudart64_110.dll'不要慌，说明安装完成之后没有重启电脑，重启再运行就好了。

Keras

  1. TensorFlow与Keras版本对应参考下表
Tensorflow Keras
TensorFlow 2.0.0 Keras 2.3.1
TensorFlow 2.1.0 Keras 2.3.1
TensorFlow 2.2.0 Keras 2.3.1
TensorFlow 2.4.0 Keras 2.4.3
TensorFlow 2.6.0 Keras 2.6.0
  1. 运行仍然在Anaconda的tensorflow2环境中运行下面的指令
1
pip install keras==2.4.3