手把手教你安装Windows下TensorFlow-gpu2.1.0（2021.6.11）
- 1. 前序工作（一定注意，不然后悔！）
* - 1.1自我定位
- 1.2小生配置一览
– - 2.正式安装
* - 2.1几点说明
- 2.2开冲
– - 3. 采坑实录
* - 3.1安装TF突然大段红字报错
- 3.2运行检验代码报错
– - 4.总结
项目名称：
Windows下安装TensorFlow-gpu2.1.0
前言：
小生经过三天的安装调试过程，综合近三十篇教程攻略终于搞定安装及运行，最大的感受就是TF的兼容性太差了，所以版本号一定要敏感，不然只能 删除干净重来。
在接下来的教程中，也希望宝友们和小生一样耐心，遇到困难不放弃，不就是一个包嘛， 战略上蔑视它，战术上重视它，自然缚住苍龙！
(一点冷水：目前学术圈基本只用Pytorch，TF曾经辉煌的工业界也在抛弃它，谁让它兼容性辣么差，目前最新为2.5版本，但小生遇见的项目大多数还得1.X，日后大概率投入pytorch的怀抱吧)
o(╥﹏╥)o
- 前序工作（一定注意，不然后悔！）
1.1自我定位
首先思考安装TF的版本需求，若单纯入门学习，小生这里建议gpu2.1版；若做项目则具体分析可能用到的包的兼容性问题，可以选择2.1、2.2、2.4等版本。
1.X和2.0版本较老，小生因为顾虑GPU驱动版本并未尝试，2.2、2.4、2.5笔者均调试安装后发现并不兼容，很容易报错，如果哪位宝友能指点一二，小生先行谢过。
这里补充一下小生查到的另一种方法（conda直接安装），还未尝试：
tensorflow-gpu=2.4.0，使用python版本为3.7或3.8，CUDA toolkit=11.0，cuDNN=8.0
https://blog.csdn.net/weixin_45092662/article/details/106980282
1.2小生配置一览
① Anaconda 3平台（小生版本许久没有更新，新版都可）
Anaconda指的是一个开源的Python发行版本，自带的IDE和环境包可以让我们正常使用我们所安装的python（小生此处仅为安装TF，实际上并不推荐后续以Anaconda开发，conda对其中的包并不维护，且不添加镜像源实为龟速）
打开Anaconda的下载页选择正确的系统，选择Python最新版本的下载链接即可开始下载。
链接：https://www.anaconda.com/products/individual-b#download-section
（目前Anaconda默认下载最新版本，且内置python3.8，这也是为什么下面强烈希望新建环境的原因）
详细地安装过程小生不再赘述，提供一个优质的参考链接
https://blog.csdn.net/weixin_43715458/article/details/100096496
② Python 3.6（3.7及以上不兼容，采坑部分慢慢讲述）
强烈建议还是新建环境，小生看了近三十篇教程攻略，无一例外都是新建环境，基于旧环境不是不行，相信聪明的你一定不会像小生一样白白浪费两天时间（手动滑稽）
安装好Anaconda后，打开开始菜单栏，点选Anaconda3下拉框，选择Anaconda Prompt（Anaconda），进入后输入以下代码创建环境
conda create -n tensor python=3.6
Tips:这里还是给小白科普一下，tensor是小生自身设置的环境名称，这里可自行命名
等待环境配置好后可以输入以下代码激活或关闭环境(仍然以tensor为例）：
激活：
conda activate tensor
关闭：
conda deactivate
② 英伟达GTX 1050
显卡还是高点好，小生这块笔记本板子后续力不从心，只能说能用，学习之类的台式强太多了，如何查看显卡型号见③中图示
特别提醒：tf-gpu版本不是所有显卡都可的，目前应该仍需要N卡，且算力至少大于3（算力部分截图如下）;
为安装顺利进行，请一定更新一下显卡驱动！！！是否更新可查看Geforce Experience或者安装某驱动大师查看
完整版请点击英伟达官网链接（左侧为台式、右侧为笔记本）
https://developer.nvidia.com/zh-cn/cuda-gpus
; ③ CUDA 10.2（CUDA版本目前一般为10.1、10.2或11.0及以上，版本只需在10.0以上即可,更新驱动后显示版本满足即可，不用刻意升级）
CUDA为显卡自带程序，如何查看自己版本呢？
在桌面下方点击右击英伟达图标，选择NVIDIA控制面板，按照图示点选即可
④ CUDA Toolkit 10.1（版本与驱动程序匹配）
在安装CUDA Toolkit的时候会默认安装CUDA ,这时因为CUDA Toolkit 主要包含了CUDA的部分编译器、一些科学库和实用程序库、CUDA和library API的代码示例、和一些CUDA开发工具。而日常生活CUDA足够了，所以此处还需要Toolkit。
Toolkit版本需对照下表选择，一般确定为10.1版本（一切为了兼容性），完整版见网址
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
确定版本后，点击以下链接选择版本下载即可
https://developer.nvidia.com/cuda-toolkit-archive
（N卡官网较慢，一般稍等一会儿就可，小生此处选择10.1 update2版本）
注意：安装时请选择精简安装（自定义），为防止系统自带vs与环境内下载vs冲突，不勾选vs，其余酌情安装
; ⑤ cuDNN 7.6.5（建议不要更改版本）
cuDNN是用于神经网络的GPU库, 有些python包依赖cuDNN才能运行.
需先在官网上注册账号, 下载相应的安装包
版本对照表如下，请严格对照！以防不兼容！
https://tensorflow.google.cn/install/source_windows
（小生当时花了较长时间注册，仍然无法登录，最后某宝买了压缩包,目前有cuDNN7.6.5 for cuda 10.1或10.2、cuDNN 8.0.3 for cuda 11.0，都为windows10-x64环境，分享给大家，若链接失效，烦请留言，小生不常逛站，若有怠慢还望海涵！）
链接：https://pan.baidu.com/s/1ypVs5xmXnlzmjMY2vEvtLw
提取码：1066
下载对应版本并解压后，打开文件路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 （就是宝友们显卡所在路径），分别将cuDNN刚解压缩得到的三个文件夹（bin、inclue、lib文件夹内x64）中的文件，分别复制到提到的路径下的同名文件夹中。
注意:此处是复制文件夹下的文件，而非直接复制文件夹并覆盖，网络上教程多为直接覆盖，小生建议不要轻易尝试！
; 2.正式安装
2.1几点说明
① 恭喜你闯到这里，铺垫了那么久的准备是时候见识真章了！
② 到这里时，小生默认各位宝友们软件版本安装正确，环境变量已经设置好（1中CUDA等安装时一般会自动设置，不放心可以自行查看）
③ 接下来的过程，可能会有安装不成功、安装后报错等令人抓狂的各种情形，还请宝友们耐心仔细阅读！
2.2开冲
① 激活新建环境
这里打开开始菜单栏，点选Anaconda3下拉框，选择Anaconda Prompt（Anaconda），输入以下代码直接激活1.2②中创建的虚拟环境tensor：
conda activate tensor
② 安装TensorFlow-gpu2.1.0
输入以下代码：
pip install tensorflow-gpu=2.1.0 -i https://pypi.doubanio.com/simple/
这里并不推荐conda安装，网速慢不说，网上其他教程给的清华镜像源也都失效了。苦苦寻觅的新的豆瓣源网址简直好用到起飞，龟速校园网能给你提到3M/s，哈哈哈哈
若此处有报错，请下拉前往采坑实录版块
③ 基本包核查
TF关联的包还是很多的，这里列举一些常用的作参考：
matplotlib、numpy、pandas、sklearn等，安装方法同上，install后输入包名即可，或自行百度
④ 检验
小生这里选择一直使用的pycharm环境作检验，相应环境配置在此不多赘述，可自行百度，也可cmd激活python直接检验，至于vscode小生一直没搞明白，老是报错没有包，就没再试。
网络上检验代码有很大缺陷，小生综合调整代码如下：
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
保证sess.run()能够正常运行
hello = tf.constant('hello, tensorflow !')
sess = tf.compat.v1.Session()
print(sess.run(hello))
最终结果为下图，输出gpu型号、算力，和”hello，tensorflow！”则证明安装完成且能够使用啦！
- 采坑实录
3.1安装TF突然大段红字报错
一般为网速问题，新豆瓣源一般不会出现这个问题，目前网络上给的清华源经常失效会出现这种情况。 注意TF此处为pip安装，而非conda！
3.2运行检验代码报错
① 代码1：显存不够报错
eg：failed to allocate 4.75G (5102921216 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY
1）需要指定GPU，代码头部添加如下代码：
import os
os.environ[“CUDA_VISIBLE_DEVICES”] = “0”
注意：此处编号0为电脑gpu编号，一般为0，可命令行输入命令查看编号（图源网络，做例子侵删）：
nvidia-smi
2）限制当前脚本可用显存，代码添加在引用后第一行：
gpu_options = tf.api.v2.compat.v1.GPUOptions(per_process_gpu_memory_fraction=0.5)
再对session 语句进行如下修改：
sess = tf.compat.v1.Session(config=tf.ConfigProto(gpu_options=gpu_options))
网络上针对显存的限制代码版本较老，仍是基于1.x版本，在2.1环境下，笔者改写采用兼容性代码运行。
② 代码2：TF版本低导致不兼容AVX、AVX2
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
直接忽略此类警告信息
③ 代码3：sess.run()无法运行
The Session graph is empty. Add operations to the graph before calling run().
TF版本较高，无法运行sess,只需按照检验代码类似改写为兼容1.X版本即可
4.总结
对TF的安装教程相信宝友们也查了很多，在某个时刻幸运地才发现了这篇2021年6月写就的教程，希望小生的努力能为你省下宝贵的时间，去拥抱机器学习、深度学习的新世界！
这是小生的第一篇CSDN文章，自然免不了错误或不足，还望各位宝友们批评指正，小生一定谦虚学习，好好加油！
下一步小生打算试试pytorch包安装，应该不难吧。Original: https://blog.csdn.net/MUKCHAN/article/details/117826907
Author: MUKCHAN
Title: 【最新】手把手教你Windows安装TensorFlow-gpu2.1.0（2021.6.11更新）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/521940/
转载文章受原作者版权保护。转载请注明原作者出处！