【Tensorflow】菜鸟学TensorFlow 2.0：TensorFlow2.0安装与环境配置

叁歲伎倆 2022-09-14 02:38 301阅读 0赞

### 菜鸟学TensorFlow 2.0：TensorFlow2.0安装与环境配置 ###

*  1. TensorFlow概述
 *  2. TensorFlow依赖环境搭建
 *  3. TensorFlow 2安装
 *  3. 第一个TensorFlow程序

# 1. TensorFlow概述 #

Tensorflow是当今深度学习很流行的一个框架，它是由谷歌开发的深度学习框架到现在已经发布到了TF2.0版本了。TensorFlow 2 废弃了大量重复的接口，将 Keras 作为搭建网络的主力接口，也添加了很多新的特性，极大地改进了可用性，能有效地减少代码量。TF的安装有两个版本一个是CPU版另一个是GPU版。当然GPU上运行TF的速度自然比CPU会快，但是自然它的安装也比CPU版要麻烦。

CPU版的TF的安装十分的简单，这里当然不作叙述，本文主要是想记录下自己安装GPU版中遇到的一些问题和坑。

# 2. TensorFlow依赖环境搭建 #

1.  硬件环境  
    操作系统：Windows10  
    显卡型号：`nvidia-smi`，显卡一定要是NVDIA的AMD的不行，因为在后续要安装CUDA.  
    ![显卡型号][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16]
2.  软件要求  
    必须在系统中安装以下 NVIDIA® 软件：

*  **NVIDIA® GPU 驱动程序** \- CUDA® 11.2 要求 450.80.02 或更高版本。
 *  **CUDA® 工具包**：TensorFlow 支持 CUDA® 11.2（TensorFlow 2.5.0 及更高版本）
 *  CUDA® 工具包附带的 CUPTI。
 *  **cuDNN SDK** 8.1.0 cuDNN 版本。  
    （可选）TensorRT 6.0，可缩短用某些模型进行推断的延迟时间并提高吞吐量。

1）安装 [Anaconda3/][Anaconda3]

可以到清华大学开源软件镜像站下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/  
![Anaconda3下载地址][Anaconda3 1]  
2）安装CUDA Toolkit 11.4  
地址：[https://developer.nvidia.com/cuda-downloads?target\_os=Windows&target\_arch=x86\_64][https_developer.nvidia.com_cuda-downloads_target_os_Windows_target_arch_x86_64]  
![CUDA][]  
下载完成后，双击exe程序，开始安装CUDA，这里选择自定义安装（高级）：  
![选择高级安装][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 1]  
然后进入下一步，取消勾选NVIDIA GeForce Experience，然后展开CUDA列，里边有Visual Studio Integration，这里如果电脑上安装了Visual Studio，则可以勾选，否则取消勾选。由于深度学习的开发很多都是在轻量级开发工具中开发，因此取消勾选即可。  
![取消Visual Studio][Visual Studio]  
然后打开Driver components，确保Display Driver版本号高于当前版本号，否则取消勾选：  
![Display Driver][]  
安装完成后，检验安装是否成功。在C盘默认安装路径：C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.4\\bin  
找到nvcc.exe  
![nvcc.exe][]  
额外确认cputi安装情况。路径：C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.4\\extras\\CUPTI\\lib64  
![cputi动态库][cputi]  
3）安装cuDNN  
下载cuDNN需要NVIDIA注册。下载地址为：[https://developer.nvidia.com/rdp/cudnn-archive][https_developer.nvidia.com_rdp_cudnn-archive]  
因为上面安装的版本为11.4，所以这里需要下载如下版本：  
![cuDNN][]  
选择windows平台版本：  
![cuDNN WINDOWS][]  
下载完成后，将其解压，然后将其重命名为cudnn，然后复制到C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.4  
![cudnn][]  
进入cudnn的bin目录，确认cudnn64动态库：  
![cudnn64动态库][cudnn64]  
4）配置环境变量  
将如下路径配置到系统PATH中，并将其放在一起，置顶。  
![环境变量配置][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 2]  
5）测试CUDA安装是否成功  
使用命令`nvcc -V`  
![nvcc -V][]

# 3. TensorFlow 2安装 #

# Requires the latest pip
    pip install --upgrade pip
    
    # Current stable release for CPU and GPU
    pip install tensorflow-gpu
    
    # Or try the preview build (unstable)
    pip install tf-nightly

验证tensorflow安装情况：  
![验证tensorflow GPU版本是否安装成功][tensorflow GPU]

# 3. 第一个TensorFlow程序 #

>>> import tensorflow as tf
    >>> A = tf.constant([[1,2],[3,4]])
    >>> B = tf.constant([[5,6],[7,8]])
    >>> C = tf.matmul(A,B)
    >>> print(C)
    tf.Tensor(
    [[19 22]
     [43 50]], shape=(2, 2), dtype=int32)
    >>>

到这里就说明 TensorFlow 已经安装成功了。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/f6afb096a70a42dd867607c450f59777.png
[Anaconda3]: https://www.anaconda.com/
[Anaconda3 1]: /images/20220828/127659f049904f8f898af567ad4c3e65.png
[https_developer.nvidia.com_cuda-downloads_target_os_Windows_target_arch_x86_64]: https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64
[CUDA]: /images/20220828/2be825d761834d7d8e519f6a6aeae2a7.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/dec1d739e59443c3b5bcf2d21e33482c.png
[Visual Studio]: /images/20220828/d51180640cbc431784093e1efdfbba47.png
[Display Driver]: /images/20220828/f4319cad61774d27b36c68d379dc3ccc.png
[nvcc.exe]: /images/20220828/699d000a6f844b0c9c8c04acf607ee2e.png
[cputi]: /images/20220828/df43b79860b041f9b46d6053bddc13ad.png
[https_developer.nvidia.com_rdp_cudnn-archive]: https://developer.nvidia.com/rdp/cudnn-archive
[cuDNN]: /images/20220828/2736fdecccb947559b60c0d6e6f0225a.png
[cuDNN WINDOWS]: /images/20220828/4571426126bd443d87c844a4ba122469.png
[cudnn]: /images/20220828/437aff204bbe478599d25e365ca12630.png
[cudnn64]: /images/20220828/6e7ff95c0ddf4fe280e2d2d667a37cc6.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 2]: /images/20220828/1850250a1a1c44d696fdc5e51bfad12f.png
[nvcc -V]: /images/20220828/a1aeb5107e2a4c4ea6da31c65b09c682.png
[tensorflow GPU]: /images/20220828/0402a7788139403b8caac121014d58cf.png