Tensorflow-gpu保姆级安装教程（Win11, Anaconda3，Python3.9）

女爷i 2024-03-24 10:17 23阅读 0赞

#### Tensorflow-gpu 保姆级安装教程（Win11, Anaconda3，Python3.9） ####

*   *  前言
     *  Tensorflow-gpu版本安装的准备工作
     *  (一)、查看电脑的显卡：
     *  (二) 、Anaconda的安装
     *  (三)、cuda下载和安装
     *  (四)、cudnn下载安装
     *  (五)、配置环境变量
     *  (六)、创建 tensorflow 环境
     *  (七)、测试 Tensorflow-gpu 是否安装成功
     *  卸载重装

### 前言 ###

`CPU`版本和`GPU`版本的区别主要在于**运行速度**，`GPU`版本运行速度更快，所以如果电脑显卡支持`cuda`，推荐安装`gpu`版本的。

*  **CPU版本**，无需额外准备，`CPU`版本一般电脑都可以安装，无需额外准备显卡的内容，（`如果安装CPU版本请参考网上其他教程！`）
 *  **GPU版本**，需要提前下载 `cuda` 和 `cuDNN`。（`本文为GPU版本安装教程。`）

### Tensorflow-gpu版本安装的准备工作 ###

**重要的事说三遍：**

**安装前** **一定** 要查看自己电脑的**环境配置**，然后**查询**`Tensorflow-gpu`、`Python`、 `cuda`、 `cuDNN` 版本关系，要 一 一对应！

[Tensorflow-gpu 与 Python、 cuda、cuDNN 版本关系查询][Tensorflow-gpu _ Python_ cuda_cuDNN]

![在这里插入图片描述][42eb01b6718a4956910ccbcef21aeda4.png]

我的**安装环境**为：

<table> 
 <thead> 
  <tr> 
   <th>操作系统</th> 
   <th>显卡</th> 
   <th>Python</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>win11</td> 
   <td>NVIDIA GeForce RTX2050</td> 
   <td>3.9.13</td> 
  </tr> 
 </tbody> 
</table>

我的`tensorflow-gpu` **安装版本**为：

<table> 
 <thead> 
  <tr> 
   <th>tensorflow-gpu</th> 
   <th>cuda</th> 
   <th>cuDNN</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>tensorflow-gpu 2.7.0</td> 
   <td>cuda 11.5.2</td> 
   <td>cuDNN 8.3.2</td> 
  </tr> 
 </tbody> 
</table>

> **注：** 我这个对应关系是在网上查询别人安装成功的案例，**不要自己随意组合**，不然很容易安装失败，或者就按官网查询的组合安装，安装过程是一样的！

### (一)、查看电脑的显卡： ###

1）、右键`此电脑`→右键选`管理`→`设备管理器`→`显示适配器`  
主要看独显：`GeForce RTX 2050`

![在这里插入图片描述][a94f9810568b4e3a88e114d7dd2e50a9.png]

可以看到点击出现了`NVIDIA GeForce ...`，即你的电脑**显卡**型号。

*  如果有出现，那就表示可以使用`Tensorflow-gpu`版本，如果没有的就只能老老实实安装CPU版咯。
 *  然后可以去NIVIDIA官网[查询一下自己电脑显卡的算力：https://developer.nvidia.com/cuda-gpus][https_developer.nvidia.com_cuda-gpus]，建议**算力>=3.5**安装。

![在这里插入图片描述][bf67223e21d841c381c3c855d3778575.png]

> 我的型号没有查到，NVIDIA近几年显卡的算力一般是够的。

2）、右键`显卡`→`属性`→`驱动程序`，可以查看显卡的驱动程序：

![在这里插入图片描述][0f019a00a8c448869e7c378141f1700d.png]

3）、查看GPU驱动版本，也就是我们“CUDA Version”，Windows 11 版本中一般是12.0版本，键盘上同时按`win` \+`r`，输入`cmd`，打开命令窗口，在命令窗口输入：

nvidia-smi

![在这里插入图片描述][88e5c7a0cf42499397a16e00b50a6960.png]

### (二) 、Anaconda的安装 ###

安装`tensorflow`提前安装好`Anaconda`。这里我也不重点介绍了，我之前也重点详细地写过相关文章:  
[Anaconda安装-超详细版(2023)][Anaconda_-_2023]

`Anaconda`安装成功后，进入下面`tensorflow`的安装！

后面`tensorflow`的安装可成**三步：**

1.  `cuda`的安装
2.  `cuDNN`的神经网络加速库安装
3.  配置环境变量

### (三)、cuda下载和安装 ###

下载`cuda`和`cuDNN`。在官网上下载对应的`cuda`和`cuDNN`，版本可以**低于**上面查到的`CUDA`版本但**不能高于**电脑支持的版本。

*  cuda下载地址：[CUDA Toolkit Archive | NVIDIA Developer][CUDA Toolkit Archive _ NVIDIA Developer]；
 *  cudnn下载地址：[cuDNN Archive | NVIDIA Developer][cuDNN Archive _ NVIDIA Developer]。

1)、下载：

我下载的是`CUDA Toolkit 11.5.2`, 点击前面的 `CUDA Toolkit 11.5.2`  
![在这里插入图片描述][41e5178229d040939d72c7be9a0c04ad.png]

选择相应的系统、版本等选项，点击Download下载：  
![在这里插入图片描述][9e50f75f45ce40a3b73c0be28e10c83a.png]  
2）、安装

a、 双击安装包，此时会出现一个提示框，让你选择**临时解压位置**（该位置的内容在你安装完cuda之后会自动删除），这里**默认即可**，点击ok。

![在这里插入图片描述][8fd54eb3f31745a9aa1ff08b7a2203e6.png]

b、点击同意并继续：

![在这里插入图片描述][83754278a7254ebe930292dc00bbf548.png]

c、完成上一步后，选择自定义，然后点下一步：

![在这里插入图片描述][08b452e648e94adba7241c36494bfcc0.png]

d、完成上一步，这里**CUDA一定要勾选**上，下面的可选可不选，对后续没有影响。

*  在组件CUDA一栏中，取消勾选Visual Studio Integration（因为我们并没有使用Visual Stduio环境，即使勾选上了也会安装失败）

![在这里插入图片描述][745bbe96fc624e5d9e4a5ad0668e0572.png]

*  在Driver components一栏比较Display Driver的新版本和当前版本的信息。
    
     *  若当前版本**高于**新版本，则**取消勾选**Display Driver；
     *  若当前版本**低于**新版本，则保留默认安装信息即可，否则电脑会死机或者卡顿，甚至可能蓝屏。！！！

![在这里插入图片描述][94146552ea684640a1e8c6e5224cecac.png]

e、这个安装位置可以自己改。要截图**记录**一下你装到哪里了，后面要用到！我选择了默认安装位置。

![在这里插入图片描述][f11ff0be2a154f42b3aebd2b39b1215b.png]

f、正在安装

![在这里插入图片描述][29c6120fbe4b4bd1a6dc86a7a5ffbad6.png]

g、安装成功！

![在这里插入图片描述][60a619c7835a4fb1a2e5f3015b11fb1b.png]

点击关闭即可！

![在这里插入图片描述][5d22d889dcc64fbda1ee7791e0294f5f.png]

**检查环境变量**：

完成安装后，检查一下环境变量是否存在，一般安装完成会自动配置好环境变量，若是没有，则需手动配置，具体过程如下。

1.  打开 **电脑属性**，找到 **高级系统设置**，选择 **环境变量** 打开。
2.  查看是否有以下**系统变量**，没有则需要自行添加，对应图片上的名称和值，配置你电脑`CUDA`安装所在的位置。

![在这里插入图片描述][03177a77510f4950bed46b02529ec301.png]

1.  打开系统变量的**Path**，查看是否有一下两条内容，若没有则需自行添加，一定要配置对安装的位置。

![在这里插入图片描述][ee50195b7a20451aae2e2c61d31b400d.png]

配置好环境变量后，我们检查下CUDA是否安装成功。

1.  打开cmd，输入以下命令查看CUDA是否安装成功（二选一）  
    如果不能显示以下信息，则说明安装失败。

nvcc -V
    nvcc --version

![在这里插入图片描述][666a1df832bd45c9beef9bb8a1ab1019.png]

*  还可以查看CUDA 设置的环境变量。

set cuda

![在这里插入图片描述][cfa3c415320644bd990e51d89a3094cb.png]

*  我们还可以搜索CUDA 的安装目录，找到“nvcc.exe”文件。

![在这里插入图片描述][5aaa9b3a32dc45b38a8b3363a2a18e94.png]

CUDA的安装就结束了，接下来下载解压cuDNN文件。

### (四)、cudnn下载安装 ###

`CUDA`并不是实现`GPU`的神经网络加速库，如果希望针对的是神经网络进行加速，我们还需要安装`cuDNN`神经网络加速库。

*  `cuDNN`并非是应用程序，而是几个文件包，下载后把它复制到`CUDA` 的目录下即可。  
    下载地址：[cuDNN Archive | NVIDIA Developer][cuDNN Archive _ NVIDIA Developer]。
 *  第一次单击下载时，会让你先注册登录，然后再进行下载，注册过程认真填写内容就没问题，此处略过，接下来进入下载环节。

1)、下载：

下载对应版本的`cuDNN`。这里选择的是`cuDNN v8.3.2 for CUDA 11.5`。

![在这里插入图片描述][6207d774668e46a1838fec409c5e0fdf.png]

1.  、下载解压好安装包后，我们解压可以看到有四个文件：  
    ![在这里插入图片描述][772b03af51b04d688ca45a25a2d7b421.png]

3）、教程的这一步要格外注意！

*  要将`cudnn`文件中的对应文件夹下的所有**文件复制** 到对应的**安装目录**中，
 *  而 **不是** 把`cudnn`文件中的文件夹复制过去。eg：复制的不是`cudnn`中的`bin`文件夹，而是`bin`文件夹下的**所有文件**。（有重复的文件是正常的，覆盖掉就好！）

![在这里插入图片描述][372813c1ead84c9084d5dfd645f4249d.png]

1.  打开`cudnn`文件中的`bin`文件夹，将该文件夹中所有的 文件 **复制粘贴** 到`CUDA\v11.5\bin`文件夹中：

![在这里插入图片描述][dbbdd38b731c4c4f81f203f115309ed2.png]

1.  打开`cudnn`文件中的`include`文件夹，将该文件夹中所有的 文件 **复制粘贴** 到`CUDA\v11.5\include`文件夹中：

![在这里插入图片描述][845596a48262452dafd57bc6c0e4d5d7.png]

1.  打开`cudnn`文件中的`lib`文件夹，将该文件夹中所有的 文件 **复制粘贴** 到`CUDA\v11.5\lib\x64`文件夹中：

![在这里插入图片描述][e71d7eadd0484406b9f2e5afdc227aae.png]

1.  打开`cudnn`文件中的剩下的文件， **复制粘贴** 到`CUDA\v11.5`文件夹中：

![在这里插入图片描述][ebf100bb72f34a5baa74d193bb5c23dc.png]  
`cuDNN`其实就是`CUDA`的一个补丁而已，专为深度学习运算进行优化的，然后我们再添加环境变量！继续往下走。

### (五)、配置环境变量 ###

1.  、打开系统变量的`Path`，在系统变量的`path`路径下添加以下路径：（具体要根据自己的安装路径下做调整）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\libnvvp
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib\x64

添加好后是这样的：

![在这里插入图片描述][75fa84f872034b64b85c007534dedd2f.png]

2)、配置好环境后，我们需要验证环境变量是否配置成功：

打开`cmd`，进入自己CUDA的安装下路径`...\CUDA\v11.5\extras\demo_suite`：,我是**默认路径**，所以我的是：

cd \Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\extras\demo_suite

然后分别执行以下两个命令：

.\bandwidthTest.exe
    .\deviceQuery.exe

![在这里插入图片描述][d4c9c756fab149e99d5679c09a16e87c.png]  
![在这里插入图片描述][4a5f5ef39e7d438ea8b30f7703b5971a.png]

如果`Result`都为`PASS`的话则配置成功！

3）、都安装好之后，我们可以继续输入`nvidia-smi`查看`CUDA`的信息，然后根据安装版本的信息再去实现其他的库（环境）安装和使用！

nvidia-smi

![在这里插入图片描述][a1fa8dd00a5d4e8ba350ba10444a6af5.png]

如图所示，可以看到驱动的版本是`527.41`；最高支持的`CUDA`版本是`12.0`版本。

### (六)、创建 tensorflow 环境 ###

我这里是使用`Anaconda`（如果选择这一步，就不需要额外下载`python`，以及各种常用工具包，它会打包下载好）

1）、打开`anaconda prompt`

![在这里插入图片描述][a56a8f7ea6c94e5ca9e58a053fad3dc4.png]

2）、创建`tensorflow`环境，输入命令：`conda create -n tensorflow python=3.9`，表示创建一个名字为`tensorflow`的环境，这个环境用的`python`版本是`3.9`版本的，如果默认创建，会在`C盘`！

[w11下载anaconda在d盘，新建的虚拟环境总是在c盘怎么解决][w11_anaconda_d_c]

conda create -n tensorflow python=3.9

![在这里插入图片描述][f8a0bafa92e246baa0fb754081b92be6.png]

3）、创建成功后，输入命令：`conda env list`，可以看到`tensorflow`环境已经创建，星号为当前所在环境（基础环境`base`）。

conda env list

![在这里插入图片描述][c76c0f095b8b408597d4a18111675496.png]

4）、进入环境，输入命令：`activate tensorflow`，就可以进入`tensorflow`环境中

conda activate tensorflow

![在这里插入图片描述][3759948179394fb7913dc04bf1d6af3b.png]

如果要退出环境，输入:

conda deactivate

5）、因为我的`conda`环境在D盘中，所以将路径改了以下。如果`anaconda`安装的时候是默认路径，这一步不需要。

d:
    cd \WorkSoftware\Install\Anaconda3\envs\tensorflow\

![在这里插入图片描述][0f0f577aecbc49bca48c8ae8462c0776.png]

6）、 安装指定版本的`tensorflow-gpu`，，我安装的是`2.7.0`，根据你自己的配套版本安装，输入命令：

pip install tensorflow-gpu==2.7.0 -i  https://pypi.mirrors.ustc.edu.cn/simple

![在这里插入图片描述][e32b951b36764c378c2dda5af5fa9ffa.png]  
无报错结束应该是装好了。

7）、打开`python`环境，导入`tensorflow`包进行测试 ，查看`tensorflow`的版本信息, 输入命令：

import tensorflow as tf

*  如果导入包有以下报错（没有报错请忽略！）：

(tensorflow) C:\Users\Rmzh>python
    Python 3.9.16 | packaged by conda-forge | (main, Feb  1 2023, 21:28:38) [MSC v.1929 64 bit (AMD64)] on win32
    Type "help", "copyright", "credits" or "license" for more information.
    >>> import tensorflow as tf
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\__init__.py", line 41, in <module>
        from tensorflow.python.tools import module_util as _module_util
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\__init__.py", line 41, in <module>
        from tensorflow.python.eager import context
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\eager\context.py", line 33, in <module>
        from tensorflow.core.framework import function_pb2
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\function_pb2.py", line 16, in <module>
        from tensorflow.core.framework import attr_value_pb2 as tensorflow_dot_core_dot_framework_dot_attr__value__pb2
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\attr_value_pb2.py", line 16, in <module>
        from tensorflow.core.framework import tensor_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__pb2
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\tensor_pb2.py", line 16, in <module>
        from tensorflow.core.framework import resource_handle_pb2 as tensorflow_dot_core_dot_framework_dot_resource__handle__pb2
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\resource_handle_pb2.py", line 16, in <module>
        from tensorflow.core.framework import tensor_shape_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__shape__pb2
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\core\framework\tensor_shape_pb2.py", line 36, in <module>
        _descriptor.FieldDescriptor(
      File "D:\WorkSoftware\Install\Anaconda3\envs\tensorflow\lib\site-packages\google\protobuf\descriptor.py", line 561, in __new__
        _message.Message._CheckCalledFromGeneratedFile()
    TypeError: Descriptors cannot not be created directly.
    If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.If you cannot immediately regenerate your protos, some other possible workarounds are:
     1. Downgrade the protobuf package to 3.20.x or lower.
     2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
    
    More information: https://developers.google.com/protocol-buffers/docs/news/2022-05-06#python-updates

*  解决上述报错，输入`exit()`退出`python`环境导入以下包：

pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

然后重新进入`python` 环境，查看`tensorflow`的版本信息, 输入命令：

import tensorflow as tf
    tf.__version__

![在这里插入图片描述][c2640a49dc294b33bc8b063a82d7cbec.png]

退出`tensorflow`环境：

conda deactivate

![在这里插入图片描述][8160a625abf749c9ba8adee7e96873d9.png]  
同时，`conda`控制台是默认打开`base`环境的，如果想管理这一设置

conda config --set auto_activate_base false / true

### (七)、测试 Tensorflow-gpu 是否安装成功 ###

1.  打开`Anaconda`，选择`tensorflow`环境，打开`spyder`，第一次打开需要安装`Spyder`，直接点下方的`install`即可。

![在这里插入图片描述][c07e6c509bcb4ea39689ac45734c923f.png]

1.  输入以下测试代码：

import tensorflow as tf
    
    print(tf.__version__)
    print(tf.test.gpu_device_name())
    print(tf.config.experimental.set_visible_devices)
    print('GPU:', tf.config.list_physical_devices('GPU'))
    print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
    print(tf.config.list_physical_devices('GPU'))
    print(tf.test.is_gpu_available())
    # 输出可用的GPU数量
    print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
    # 查询GPU设备

![在这里插入图片描述][96f86366859e46b7a73a8fb358722a26.png]

*  出现了当前环境`tensorflow`的版本以及一些其他信息，我的版本是`2.7.0`，
 *  如果下面出现了`True`， 那就表明我们的`tensorflow-gpu` 已经成功的安装好并且能够正常使用了！

1.  下面来测试一下`GPU`的运算速度吧！

import tensorflow as tf
    import timeit
     
    #指定在cpu上运行
    def cpu_run():
        with tf.device('/cpu:0'):
            cpu_a = tf.random.normal([10000, 1000])
            cpu_b = tf.random.normal([1000, 2000])
            c = tf.matmul(cpu_a, cpu_b)
        return c
     
    #指定在gpu上运行 
    def gpu_run():
        with tf.device('/gpu:0'):
            gpu_a = tf.random.normal([10000, 1000])
            gpu_b = tf.random.normal([1000, 2000])
            c = tf.matmul(gpu_a, gpu_b)
        return c
    
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print("cpu:", cpu_time, "  gpu:", gpu_time)

![在这里插入图片描述][ca084f35bc884776b8ac23969b79448c.png]

*  可以看到`gpu`的速度比`cpu`还是要快上不少的!
 *  对于机器学习中神经网络模型的训练来说，可以大幅度加快我们的训练进程帮我们节约许多时间，还是十分不错的！

### 卸载重装 ###

如果安装出错可以卸载重装：  
[tensorflow-gpu卸载][tensorflow-gpu]

**注：个人安装过程，仅供学习参考，如有不足，欢迎指正！**

[Tensorflow-gpu _ Python_ cuda_cuDNN]: https://tensorflow.google.cn/install/source_windows?hl=en#gpu
[42eb01b6718a4956910ccbcef21aeda4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/abe02481b78d4d2e85c89dfdc1f49755.png
[a94f9810568b4e3a88e114d7dd2e50a9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/2dd55c6f58d8414d9807759e75ecfdbd.png
[https_developer.nvidia.com_cuda-gpus]: https://developer.nvidia.com/cuda-gpus
[bf67223e21d841c381c3c855d3778575.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/bf8233cff09c48d09351cab6b0d71ed5.png
[0f019a00a8c448869e7c378141f1700d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/7bff763298554a838aedd950493f483f.png
[88e5c7a0cf42499397a16e00b50a6960.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/133b4513b29a48adb132f6ed57f718b2.png
[Anaconda_-_2023]: https://blog.csdn.net/weixin_43412762/article/details/129599741
[CUDA Toolkit Archive _ NVIDIA Developer]: https://developer.nvidia.com/cuda-toolkit-archive
[cuDNN Archive _ NVIDIA Developer]: https://developer.nvidia.com/rdp/cudnn-archive
[41e5178229d040939d72c7be9a0c04ad.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/48cc6ea69cf0427fbc7e1ecc114817ba.png
[9e50f75f45ce40a3b73c0be28e10c83a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/6ac9898facc8477b936c32712df9406b.png
[8fd54eb3f31745a9aa1ff08b7a2203e6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/1c80747f919042eaac2968e6cc2a19dd.png
[83754278a7254ebe930292dc00bbf548.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/63ada1285d674602b9416242783b2186.png
[08b452e648e94adba7241c36494bfcc0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/cc636816818645988fde648560260ca6.png
[745bbe96fc624e5d9e4a5ad0668e0572.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/fad0a3d3ceab4423aad9d77f60872ea6.png
[94146552ea684640a1e8c6e5224cecac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/537baa8b86dc4f608cbda591bc6b7228.png
[f11ff0be2a154f42b3aebd2b39b1215b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/dd5ef6967ff445caaeb752dbaead7505.png
[29c6120fbe4b4bd1a6dc86a7a5ffbad6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/ba12794643364557ac99746cf7681b57.png
[60a619c7835a4fb1a2e5f3015b11fb1b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/597f7c6aa17d4f888f0147d0dfc7ea26.png
[5d22d889dcc64fbda1ee7791e0294f5f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/7e9fb5df3fec4f9880392c8ed342a6ab.png
[03177a77510f4950bed46b02529ec301.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/ec1eccb6e50145ae8ff4ff507d31f7df.png
[ee50195b7a20451aae2e2c61d31b400d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/3dd9a6bc62e0456a8ec682b5b1040559.png
[666a1df832bd45c9beef9bb8a1ab1019.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/56e59cb5ddfe45cdb6f7eba6c64339fd.png
[cfa3c415320644bd990e51d89a3094cb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/df5110e059784be1837c0d6fc9b06e72.png
[5aaa9b3a32dc45b38a8b3363a2a18e94.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/d4b1786b2d9e428db729f0223fa35f81.png
[6207d774668e46a1838fec409c5e0fdf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/4dc3342e74e24028b9e1ecb30f87e0fd.png
[772b03af51b04d688ca45a25a2d7b421.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/558a8bfd1f65408f9239d8c945b86665.png
[372813c1ead84c9084d5dfd645f4249d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/85c5ab6422ec400b932f6ecfe9c80989.png
[dbbdd38b731c4c4f81f203f115309ed2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/5858da8a067547c1a158d5dd6ae96f27.png
[845596a48262452dafd57bc6c0e4d5d7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/ae43950ad0424fd686fbebfb7832cfd5.png
[e71d7eadd0484406b9f2e5afdc227aae.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/264a3fa73be341819c29665b5e253fda.png
[ebf100bb72f34a5baa74d193bb5c23dc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/2afe50455e344ea196acfa8abf26fa81.png
[75fa84f872034b64b85c007534dedd2f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/c39134d5cb9c43bfbc7ce4c93bc541f6.png
[d4c9c756fab149e99d5679c09a16e87c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/d09ec39b6e1344f0baab48c1d27e5e7a.png
[4a5f5ef39e7d438ea8b30f7703b5971a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/eee3118662654aa7b7b1dc6ae9e54358.png
[a1fa8dd00a5d4e8ba350ba10444a6af5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/5e3bf4997d974f1bbc5f917e945d91e8.png
[a56a8f7ea6c94e5ca9e58a053fad3dc4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/87a5ac8e7fe04e7aab4edfe19b0a2369.png
[w11_anaconda_d_c]: https://blog.csdn.net/weixin_48373309/article/details/127830801?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168006455716800227426932%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=168006455716800227426932&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-127830801-null-null.142%5Ev76%5Epc_new_rank,201%5Ev4%5Eadd_ask,239%5Ev2%5Einsert_chatgpt&utm_term=anaconda%E5%88%9B%E5%BB%BA%E8%99%9A%E6%8B%9F%E7%8E%AF%E5%A2%83d%E7%9B%98&spm=1018.2226.3001.4187
[f8a0bafa92e246baa0fb754081b92be6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/a874839cd6864f569b661cb5082a0524.png
[c76c0f095b8b408597d4a18111675496.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/4fcdf00c024f4edf904461679ba7b122.png
[3759948179394fb7913dc04bf1d6af3b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/268caaaf302441968779e7c06574fcd0.png
[0f0f577aecbc49bca48c8ae8462c0776.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/8885d610c03c4c0f8177ca33fd6480d2.png
[e32b951b36764c378c2dda5af5fa9ffa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/298837d949164d58a062846f04fec3b8.png
[c2640a49dc294b33bc8b063a82d7cbec.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/9a6f2b7b8e2b404380a68f8bdea4e5ab.png
[8160a625abf749c9ba8adee7e96873d9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/a46ce4ac6c0b4339837906afb24f616c.png
[c07e6c509bcb4ea39689ac45734c923f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/c144e5a1f76c40a582b08ce501416a6b.png
[96f86366859e46b7a73a8fb358722a26.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/7c703493aa164066a1c599035874b0ce.png
[ca084f35bc884776b8ac23969b79448c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/24/760d71adc2294eb8bdc25574f0ca338d.png
[tensorflow-gpu]: https://blog.csdn.net/weixin_43412762/article/details/129868620