环境内容

tensorflow-gpu：2.2.0

无需安装keras，tensorflow与keras合并了，简而言之，tensorflow自带keras

接下来要用到的所有安装文件——网盘下载（不用自己去下载啦）：

链接：https://pan.baidu.com/s/1cSwNCRKY0syOt-NBEdr94Q

提取码：p002  

一、Anaconda环境配置

1、Anaconda的下载（可以跳过）

————————————————

新版本anaconda的下载：

       安装最新的Anaconda，首先登录Anaconda的官网：Anaconda | Individual Edition。直接下载对应安装包就可以。

2、Anaconda的安装

打开下载好的安装包。

       选择安装的位置，可以不安装在C盘。 我选择了Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，配置会更加方便一些。

等待安装完之后，Anaconda的安装就结束了。

二、Cudnn和CUDA的下载和安装

       我这里使用的是tensorflow-gpu=2.2.0，官方推荐的Cuda版本是10.1，因此会用到cuda10.1，与cuda10.0对应的cudnn是7.6.5。（当然高一点的版本也是没有问题的，但尽量不要低于）

1、Cudnn和CUDA的下载（已给）

具体下载过程包括注册等繁琐的步骤，既然已经给了安装包，为了保持精简就不在此赘述。

2、Cudnn和CUDA的安装

下载好之后可以打开exe文件进行安装。

这里选择自定义。

然后直接点下一步就行了。

        安装完后在C盘这个位置可以找到根目录。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0然后大家把Cudnn的内容进行解压。 把这里面的内容直接复制到C盘的根目录下就可以了。

      安装完成后配置环境，Path需要手动添加如下路径，对应上一步的安装路径：此电脑右键->属性->高级系统设置->环境变量->双击系统环境变量中的Path点击新建，检查，若在系统变量中已有路径，无需执行此步。 (--一条一条添加--）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

       检查安装是否成功，cmd中输入 nvcc -V(V一定要大写）

三、配置Tensorflow环境

1、Tensorflow环境的创建与激活

打开anaconda prompt：

conda create -n tf2-gpu python=3.7 -y
activate tf2-gpu

这里一共存在两条指令：

前面一条指令用于创建一个名为tf2-gpu的环境，该环境的python版本为3.7。

后面一条指令用于激活一个名为tf2-gpu的环境。

由于我们所有的操作都要在对应环境中进行，所以在进行库的安装前需要先激活环境。

2、相关库的安装

需要安装的库总览：

scipy==1.4.1
numpy==1.18.4
matplotlib==3.2.1
opencv_python==4.2.0.34
tensorflow_gpu==2.2.0
tqdm==4.46.1
Pillow==8.2.0
h5py==2.10.0

如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件，复制上述内容到txt文件中。

输入命令：

小技巧：只需要把文件移动文件到anaconda/cmd窗口中可以自动获取该文件的绝对路径。

pip install -r C:\Users\33232\Desktop\requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/

四、使用tf2-gpu环境 (可看我以往教程最后一步）

(5条消息) 没有显卡怎么使用anaconda配置tensorflow深度学习环境_舞雩.的博客-CSDN博客_tensorflow-cpu

Tensorflow使用GPU加速训练且自动分配内存

gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

完毕！

如果大家觉得本文章对你有帮助，麻烦点赞+收藏一下，谢谢！