windows系统tensorflow2.0GPU版本的安装与环境配置

很多初学深度学习的同学对于python，Anaconda，tensorflow，pycharm的关系很模糊。Anaconda是一个可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。
在Anaconda里，可以安装tensorflow并配置虚拟环境，这样在pycharm/jupyter里编写python代码时，只要建立基于tensorflow虚拟环境的python项目，就可以调用tensorflow的深度学习框架。

因此，我们使用Anaconda来安装tensorflow2.0，Anaconda的安装教程可以自行百度。下面介绍如何安装tensorflow2.0。

创建虚拟环境

（1）创建
conda create -n tensorfolw2.0 python=3.7
（2）查看是否创建成功
conda info --envs

conda enviroments中包含

CUDA的安装

CUDA是Nvidia推出的只能用于NvidiaGPU的并行计算框架，只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的。

（1）查看自己电脑的显卡驱动：根据官方文档，tensorflow2.0对应的cuda版本是10.0，因此对驱动版本的要求是：windows（>=411.31），Linux（>=410.48）满足条件才能继续安装。

（2）下载Cuda10.0版
下载地址：
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

因为我没有安装VS，因此第一次采取默认安装方式进行CUDA的安装是失败的。第二次我采取自定义的安装方式，先不勾选visual studio integration安装一次，然后再只勾选visual studio integration安装一次。

Cudnn的安装

下载地址：
https://developer.nvidia.com/rdp/form/cudnn-download-survey
需要注册账号才能下载，选择CUDA10.0对应的版本：

下载后解压缩，将cudnn-10.0-windows10-x64-v7.6.4.3文件夹下的bin，include，lib下的文件分别对应复制到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v10.0路径下的bin，include和lib下的文件夹下。

tensorflow-GPU的安装

在Anaconda的命令行窗口：
进入虚拟环境：conda activate tensorflow2.0
安装：pip install tensorflow-gpu==2.0.0-alpha0

安装成功后，可以看到Anaconda的环境中出现了tensorflow2.0

在pycharm里测试tensorflow是否安装成功

打开pycharm并新建一个项目：更改解释器为基于tensorflow2.0虚拟环境的python3.7

标签：windows,tensorflow2.0,虚拟环境,CUDA,GPU,Anaconda,tensorflow,安装
来源： https://blog.csdn.net/ukhgg/article/details/115725540