深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置

大家好，又见面了，我是你们的朋友全栈君。

深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置

注意事项
- 一、2021/9/11更新
- 二、2021/7/8更新
- 三、2020/11/5更新
学习前言
环境内容
环境配置
- 一、Anaconda安装
  - 1、Anaconda的下载
  - 2、Anaconda的安装
- 二、Cudnn和CUDA的下载和安装
  - 1、Cudnn和CUDA的下载
  - 2、Cudnn和CUDA的安装
- 三、配置tensorflow环境
  - 1、tensorflow环境的创建与激活
  - 2、tensorflow库的安装
  - 3、其它依赖库的安装
  - 4、安装较慢请注意换源
- 四、安装VSCODE
  - 1、下载安装包安装（推荐）
    - a、VSCODE的下载
    - b、VSCODE的安装
  - 2、anaconda上安装

注意事项

一、2021/9/11更新

安装CUDA前需要安装Visual Studio，我安装的版本为Visual Studio 2017，视频与博客中未提及，请小伙伴们注意。

30系列显卡不适合该教程，30系列显卡仅支持CUDA11.0，在windows下不可使用tf1，只可以使用tf2，可以参考博客https://blog.csdn.net/weixin_44791964/article/details/120657664进行配置。在ubuntu下才可以使用tf1。

tensorflow-cpu版本的环境配置博客为https://blog.csdn.net/weixin_44791964/article/details/120653717。

二、2021/7/8更新

许多粉丝反馈，报TypeError: array() takes 1 positional argument but 2 were given错误，可以修改pillow版本解决。

代码语言：javascript复制

pip install pillow==8.2.0

三、2020/11/5更新

由于h5py库的更新，安装过程中会自动安装h5py=3.0.0以上的版本，会导致decode(“utf-8”)的错误！各位一定要在安装完tensorflow后利用命令装h5py=2.10.0！

代码语言：javascript复制

pip install h5py==2.10.0

学习前言

好多人问环境怎么配置，还是出个教程吧。

环境内容

tensorflow-gpu：1.13.2 keras：2.1.5

环境配置

一、Anaconda安装

Anaconda的安装主要是为了方便环境管理，可以同时在一个电脑上安装多种环境，不同环境放置不同框架：pytorch、tensorflow、keras可以在不同的环境下安装，只需要使用conda create –n创建新环境即可。

1、Anaconda的下载

同学们可以选择安装新版Anaconda和旧版的Anaconda，安装步骤没有什么区别。

旧版本anaconda的下载： 新版本的Anaconda没有VSCODE，如果大家为了安装VSCODE方便可以直接安装旧版的Anaconda，百度网盘连接如下。也可以装新版然后分开装VSCODE。 链接: https://pan.baidu.com/s/12tW0Oad_Tqn7jNs8RNkvFA 提取码: i83n

新版本anaconda的下载： 如果想要安装最新的Anaconda，首先登录Anaconda的官网：https://www.anaconda.com/distribution/。直接下载对应安装包就可以。

一般是下载64位的，下载完成后打开。

2、Anaconda的安装

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=1.13.2，因此会用到cuda10.0，与cuda10.0对应的cudnn是7.4.1.5。

1、Cudnn和CUDA的下载

网盘下载： 链接: https://pan.baidu.com/s/1znYSRDtLNFLufAuItOeoyQ 提取码: 8ggr

官网下载： cuda10.0官网的地址是： cuda10.0官网地址 cudnn官网的地址是：需要大家进去后寻找7.4.1.5。 cudnn官网地址

下载完之后得到这两个文件。

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 FilesNVIDIA GPU Computing ToolkitCUDAv10.0 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。

三、配置tensorflow环境

1、tensorflow环境的创建与激活

Win R启动cmd，在命令提示符内输入以下命令：

代码语言：javascript复制

conda create –n tensorflow-gpu python=3.6

代码语言：javascript复制

activate tensorflow-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tensorflow的环境，该环境的python版本为3.6。后面一条指令用于激活一个名为tensorflow的环境。

2、tensorflow库的安装

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。

代码语言：javascript复制

activate tensorflow-gpu

此时cmd窗口的样子为：

然后我们依次输入下述指令：

代码语言：javascript复制

pip install tensorflow-gpu==1.13.2

代码语言：javascript复制

pip install keras==2.1.5

前面一条指令用于安装tensorflow-gpu==1.13.2。

后面一条指令用于安装keras==2.1.5。

3、其它依赖库的安装

但如果想要跑深度学习模型，还有一些其它的依赖库需要安装。具体如下：

代码语言：javascript复制

scipy==1.2.1
numpy==1.17.0
Keras==2.1.5
matplotlib==3.1.2
opencv_python==4.1.2.30
tensorflow_gpu==1.13.2
tqdm==4.60.0
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。

使用如下指令安装即可。下述指令中，requirements.txt前方的路径是我将文件放在桌面的路径，各位同学根据自己的电脑修改。

代码语言：javascript复制

pip install -r C:Users33232Desktoprequirements.txt

4、安装较慢请注意换源

需要注意的是，如果在pip中下载安装比较慢可以换个源，可以到用户文件夹下，创建一个pip文件夹，然后在pip文件夹里创建一个txt文件。

修改txt文件的内容，并且把后缀改成ini

代码语言：javascript复制

[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors =true
mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn