基于Anaconda配置Windows10 GTX1650 tensorflow-gpu-深度学习环境

基于Anaconda配置Windows10 GTX1650 tensorflow-gpu-深度学习环境

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• 一、查看电脑配置
• 二、所需配置的环境（在自己的设备上亲测有效）**
• 三、安装最新版Anaconda及使用
• • 3.1 安装路径（可以不安装在C盘）。
  • 3.2 选择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。
  • 3.3 等待安装完之后，Anaconda的安装就结束了。
• 四、安装cuda-10.0和cundnn-7.4.1.5
• • 4.1 Cudnn和CUDA的下载
  • 4.2 Cudnn和CUDA的安装
  • 4.3 添加 Cudnn和CUDA的环境变量
  • 4.4 测完是否安装成功
• 五、安装TensorFlow-GPU-1.13.2及测试
• • 5.1 在Anaconda中创建创建一个名为tensorflow的环境，该环境的python版本为3.6
  • 5.2 激活环境。
  • 5.3 安装tensorflow
  • 5.4 安装Keras
  • 5.5 测试
• 注意事项
• 问题解决方法
• 参考文章

---

前言

为了方便在windows电脑上配置和管理深度学习环境，可以使用Anaconda进行管理。
如果需要使用GPU进行加速，需要安装cuda和cudnn，
目前常用的深度学习框架有Tensorflow、Keras、Pytorch。其中cuda、cudnn、Python、框架之间的版本需要安装对应的版本。
我目前的电脑是windows10、GTX1650显卡，亲测安装CUDA-10.0、CuDNN-7.4.1.5、Python-3.6、TensorFlow-GPU-1.13.2、Keras-2.2.0可以有效使用。

一、查看电脑配置

我的电脑配置是：
·联想拯救者Y7000
·GTX1650
·Windows 10

二、所需配置的环境（在自己的设备上亲测有效）**

· Anaconda3(64bit)-5.0.1
·CUDA-10.0
·CuDNN-7.4.1.5
·Python-3.6
·TensorFlow-GPU-1.13.2
·Keras-2.2.0 （这个不是必要步骤，是我自己的代码需要，可忽略）（python、CUDA、cuDNN、TensorFlow-GPU对应版本的确认）

三、安装最新版Anaconda及使用

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。
安装过程：

3.1 安装路径（可以不安装在C盘）。

3.2 选择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。

3.3 等待安装完之后，Anaconda的安装就结束了。 四、安装cuda-10.0和cundnn-7.4.1.5

注意，tensorflow是在持续更新的，具体安装的CUDA和cuDNN版本需要去官网查看，要与最新版本的tensorflow匹配。官网对于tensorflow和CUDA以及cuDNN都有更新，并不是最新的才可以用，关键是匹配好对应的版本。再强调一次！对应版本的匹配！！！

4.1 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：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

cudnn官网的地址是：https://developer.nvidia.com/zh-cn/cudnn?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
需要大家进去后寻找7.4.1.5。

下载完之后得到这两个文件。

4.2 Cudnn和CUDA的安装

下载好之后可以打开exe文件进行安装。
选择自定义安装。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。

4.3 添加 Cudnn和CUDA的环境变量

“此电脑”上单击右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_0两个环境变量

接下来，还要在系统变量中添加以下5个变量：
CUDA_SDK_PATH = C:ProgramDataNVIDIA CorporationCUDASamplesv10.0(这是默认安装位置的路径，如果自己路径设置安装成功的话就用自己的路径)
CUDA_LIB_PATH =%CUDA_PATH%libx64
CUDA_BIN_PATH = %CUDA_PATH%bin
CUDA_SDK_BIN_PATH= %CUDA_SDK_PATH%binwin64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64
然后，在系统变量 Path 的末尾添加：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:Program FilesNVIDIA GPU ComputingToolkitCUDAv8.0libx64 （这些均为默认路径，有需要的话自行修改）
C:Program FilesNVIDIAGPU Computing ToolkitCUDAv8.0bin
C:ProgramDataNVIDIACorporationCUDA Samplesv8.0commonlibx64
C:ProgramDataNVIDIACorporationCUDA Samplesv8.0binwin64

4.4 测完是否安装成功

添加完之后CUDA就算安装完成了，接下来检验是否安装成功。
打开cmd，
cd CUDA安装路径NVIDIAGPUComputingToolkitCUDAv9.0extrasdemo_suite
分别执行命令：
bandwidthTest.exe
deviceQuery.exe
若执行两项命令后的显示结果都为PASS，则代表CUDA10.0安装成功。

五、安装TensorFlow-GPU-1.13.2及测试 5.1 在Anaconda中创建创建一个名为tensorflow的环境，该环境的python版本为3.6

打开Anaconda prompt，进入Anaconda命令行管理界面。
配置国内清华仓库镜，以此来获得较快的安装包下载速度。输入指令：

conda config --add channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

创建创建一个名为tensorflow的环境，该环境的python版本为3.6
此环境与Anaconda中其它环境隔离，输入“y“和回车后开始安装。

conda create –n tensorflow-gpu python=3.6

5.2 激活环境。

activate tensorflow-gpu 

5.3 安装tensorflow

使用 conda 安装，可能速度较慢，可能会出现下载失败的现象，因此可以添加清华源，下载速度变快。这里我用的是清华镜像源，输入指令如下：

conda  install tensorflow-gpu==1.13.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

也可以使用pip安装

pip install tensorflow-gpu==1.13.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

5.4 安装Keras

conda  install keras==2.1.15 -i https://pypi.tuna.tsinghua.edu.cn/simple

5.5 测试

测试一下是否能import tensorflow，此时，一定要进入到新建的tensorflow-gpu环境中，不要在base环境下，首先激活tensorflow环境，然后进入python

接着一条条输入指令：

import tensorflow as tf
hello = tf.constant("Hello,TensorFlow！")
sess = tf.Session()
print(sess.run(hello))
sess.close()

此时，打印输出为：

至此，安装全部完成！

注意事项

1。选择好与自己设备兼容且python+tensorflow+CUDA+cuDNN之间版本的匹配（划重点），否则自动安装最新版本，使用会报错。

问题解决方法

1.from numpy.testing.nosetester import import_nose报错 ModuleNModuleNotFoundError: No module named ‘numpy.testing.nosetester’
原因：

numpy、scipy版本不兼容。

解决方法：

将所有的包都更新到最新版本。

【可添加清华源 -i https://pypi.tuna.tsinghua.edu.cn/simple】

pip install --user --upgrade numpy

pip install --user --upgrade scipy

更新完后，重新打开Jupyter NoteBook即可

参考文章

https://blog.csdn.net/qq_43887455/article/details/107367570
https://blog.csdn.net/zZZZZZZZZ_qk/article/details/104598938