同时安装tensorflow-gpu和cpu版本,tensorflowcpu版本和gpu版本区别

　　在探索tensorflow之前，安装和踩坑花了很长时间，主要是不明白几个东西之间的关系，所以在盲目调试，当时很多东西都不明白，很多错误也不太了解。这次重装系统后，只需要重新配置一遍，再记录一下体验。我的电脑是华为的matebook13，intel i5-8625U，MX250显卡，win10系统。(不得不吐槽是垃圾，只能满足测试调试代码的需要)

　　深入学习使用Tensorflow平台，其中Keras Sequential API对新用户非常友好，可以组合所有基础组件建立模型。（官网： https://tensorflow.google.cn/?hl=zh-cn）

　　安装Tensorflow 分为 tensorflow_cpu 和 tensorflow_gpu版本

　　GPU用于渲染计算。GPU版本的计算性能比CPU快一百倍。如果电脑没有独立显卡，只能按CPU版本计算。

　　CPU版本安装：tensorflow_cpu版本只需要安装anaconda后在anaconda prompt里面pip install tensorflow_cpu==（版本号） 即可。安装anaconda的方法见GPU版本。

　　检查python和tensorflow_cpu的版本号。

　　GPU版本安装tensorflow_gpu版本安装大致分为三步：1、安装anaconda 2、安装cuda和cdunn 3、安装tensorflow_gpu。其中第一步和第二步的顺序可以调换，就是安装完了前面三个东西再安装tensorflow即可。

　　Tensorflow最近出了2.0版本，和1.0版本有一些区别。具体我还没了解到。代码不一定兼容，所以我需要注意。这三个步骤的版本需要特别注意。一旦三个自带版本互不兼容或者与电脑的显卡不兼容，就无法使用。所以安装前先看看要安装的tensorflow版本。先检查一下显卡的计算能力，再安装合适的版本，不然踩坑时间长。

　　首先确定计算机能支持的tensorflow版本。根据tensorflow官网给出的配置，我们要查看电脑gpu支持的cuda版本，然后相应下载python版本和tensorflow版本。

　　右键 桌面NVIDIA控制面板帮助系统信息组件

　　上图显示我显卡支持的cuda版本是11.1(向后兼容)

　　Tensorflow配置window官网：https://tensorflow.google.cn/install/source_windows

　　以我的电脑为例。我之前用的是3.7.3版本。这次重装系统后，安装的是3.8.3。

　　cmd查看python版本：

　　之前tensorflow用的是1.13版本，这次打算装2.0版本，因为已经装了python3.8。如果还需要较低版本，需要重新安装较低版本的python或者设置一个虚拟环境(但不建议)。

　　第一步，安装anaconda

　　Anaconda会相应安装python环境，不一定是最新的。最新的python版本不一定有兼容的cuda加速，有也不一定支持电脑的显卡。

　　官网安装：https://www.anaconda.com/products/individual，之前版本如果官网没有可能需要找资源。

　　第二步，安装cuda工具包

　　（官网：https://developer.nvidia.com/zh-cn/cuda-toolkit）

　　CUDA是NVIDIA开发的并行计算平台和编程模型，用于GPU上的通用计算。借助CUDA，开发人员可以利用GPU的强大性能来显著加速计算应用程序。在GPU加速的应用中，工作负载的串行部分在CPU上运行，CPU已经针对单线程性能进行了优化，而应用的计算密集型部分在数千个GPU核心上并行运行。在使用CUDA时，开发者使用主流语言(如C、C、Fortran、Python、MATLAB)进行编程，通过扩展程序将并行性以几个基本关键字的形式表达出来。由于tensorflow最高版本对应的是cuda10.1，所以下载cuda10.1.安装包链接：https://developer.nvidia.com/cuda-toolkit-archive

　　CUDA的下载需要挂载VPN，否则下下来只有1kb (好像后面又不一定需要VPN，可以直接下载试试）

　　自定义安装，安装的都是选中的，尽量不要更改安装位置。

　　安装完毕后，安装cudnn，这是深度神经网络的GPU加速库。注意安装的版本，选择自己cuda版本对应的CUDNN进行下载。

　　官网：https://developer.nvidia.com/rdp/cudnn-archive，官网的账号需要注册才能下载cuDNN。

　　（这里更正一下，如果配置tensorflow2.3 安装cuDNN v7.6 for CUDA10.1比较好，因为官网给的7.4网站没有下载链接，亲测7.5版本训练会有报错，7.6版本没问题）

　　下载的cudnn文件解压后，将文件夹中的文件放入cuda的对应文件夹，注意：是文件夹内的文件，而不要直接复制替换文件夹。

　　第三步，安装tensorflow—gpu

　　安装：pip在anaconda提示符下安装tensorflow-gpu，然后可以指定版本号，下载并缓慢挂载一个镜像源-I https://pypi.tuna.tsinghua.edu.cn/simple.

　　完整安装：

　　测试安装是否成功：

　　将tensorflow作为tftf.test.is_gpu_available()导入

　　True表示安装成功。

　　查看版本号：

　　现在安装成功了，您可以运行一个小程序来测试它。

　　将流导入为TF import osos . environ[ TF _ CPP _ min _ log _ level ]= 2 a=TF . constant(1。)b=tf.constant (2。)print (a b) print (GPU:，tf.test.is _ GPU _

　　经过几天的代码调优，发现tensorflow2相比1有了很多变化。可以在1中运行的代码可能需要在2中做一些修改。

　　关于Tensorflow2和1上keras的一些区别，请搜索相关资料。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。