Tensorflow環境下的深度學習框架的配置主要包含以下幾步：

• 0、前言
• 1、PyCharm的安裝步驟：
• 2、Python的安裝步驟：
• 3、AnaConda的安裝步驟：
• 4、CUDA的安裝步驟：
• 5、cuDNN安裝步驟：
• 6、Tensorflow—GPU配置步驟：
• 7、在PyCharm中使用Tensorflow

0、前言

我們需要安裝的內容如下：

Windows10 操作系統 Pycharm ：python的開發編輯平臺。 Python： 一種解釋型腳本語言。 Anaconda：集Python3.7等編譯器一體的包管理平臺。 CUDA： NVIDIA顯卡公司提供的一個并行計算的GPU加速庫，該架構使GPU能夠解決復雜的計算問題。 cuDNN：NVIDIA cuDNN是用于深度神經網絡的GPU加速庫。它可以集成到更高級別的機器學習框架中，如谷歌的Tensorflow。 Tensorflow：TensorFlow?是一個基于數據流編程的符號數學系統，被廣泛應用于各類機器學習算法的編程實現。安裝Python版TensorFlow可以使用模塊管理工具pip/pip3 或anaconda并在終端直接運行。

在安裝以上內容之前，務必要弄清楚自己電腦的配置，從而下載相對應的python、CUDA、cuDNN以及Tensorflow版本，不然后期會出現莫名其妙的錯誤。（筆者在這里瘋狂踩坑！）具體操作如下所示。

0.1 查看本機的CUDA驅動適配版本。

0.1.1 右鍵打開“NVIDIA控制面板”

0.1.2 如下圖所示，打開“系統信息”。

0.1.3 如下圖所示，即可看出本機支持CUDA 9.0及以下版本。

0.2 根據本機的CUDA驅動版本確定cuDNN版本。

點擊cudnn進入官網，根據電腦系統選擇合適的版本，從官網下載（首次下載需要注冊NVIDIA賬號）。

注冊登錄后出現如下界面，根據CUDA版本，確定cuDNN版本。

0.3 根據本機的CUDA、cuDNN版本確定python及TensorFlow版本。如下表所示：

tensorflow_gpu版本Python 版本cuDNNCUDA

tensorflow_gpu-2.4.0	3.6-3.8	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	7	9
tensorflow_gpu-1.11.0	3.5-3.6	7	9
tensorflow_gpu-1.10.0	3.5-3.6	7	9
tensorflow_gpu-1.9.0	3.5-3.6	7	9
tensorflow_gpu-1.8.0	3.5-3.6	7	9
tensorflow_gpu-1.7.0	3.5-3.6	7	9
tensorflow_gpu-1.6.0	3.5-3.6	7	9
tensorflow_gpu-1.5.0	3.5-3.6	7	9
tensorflow_gpu-1.4.0	3.5-3.6	6	8
tensorflow_gpu-1.3.0	3.5-3.6	6	8
tensorflow_gpu-1.2.0	3.5-3.6	5.1	8
tensorflow_gpu-1.1.0	3.5	5.1	8
tensorflow_gpu-1.0.0	3.5	5.1	8

筆者的電腦是CUDA 9.0 ，cuDNN7.6.5，因此我選擇安裝python3.6，TensorFlow1.9版本。

做好準備工作后，就可以開始安裝了。

1、PyCharm的安裝步驟：

1.1 根據電腦系統選擇合適的版本。

Windows版本：Windows版本點此下載.

Mac版本：Mac版本點此下載.

Linux版本：Linux版本點此下載.

進入官網后，可以看到PyCharm共有兩個版本（professional & community），一般來說，使用Community版本就夠了，除非需要用 Python 進行 Django 等 Web 開發時才需要用到專業版。這里我下載的是專業版。

1.2 運行下載后的.exe文件。

1.3 運行后的界面如下圖所示，然后點擊“Next”

1.4 選擇安裝目錄，由于Pycharm需要的內存較多，不建議放在系統盤C盤，這里我選擇裝到了G盤

1.5 點擊“Next”，進入下面的界面。（以下選項根據需要選取，建議勾選①③）
①在桌面創建快捷方式。
②添加鼠標右鍵菜單，使用打開項目的方式打開文件夾。如果經常需要下載別人的代碼查看，可以勾選此選項。
③將所有 py 文件關聯到 pycharm，也就是你雙擊你電腦上的 py 文件，會默認使用 pycharm 打開。
④將 pycharm 的啟動目錄添加到環境變量（需要重啟），如果需要使用命令行操作 pycharm，則勾選該選項。

1.6 勾選選項后點擊“Next”，進入下面的界面。

1.7 點擊“Install”，進入下面的界面。

1.8 等待一段時間后得到如下界面，點擊“Finish”即可。

1.9 安裝后即可在桌面上發現如下所示圖標。

1.10 雙擊打開桌面上的軟件，進入下面的界面。

1.11 確定是否選擇數據共享，這里相當于一個調查問卷，看自己是否愿意將信息發送給JetBrains來幫助他們改進自身產品的質量。選擇哪個選項均可。

1.12 接下來根據自身情況選擇“激活”或者“破解”或者“試用30天”。激活方法可以自行百度（網上挺多的）。

2、Python的安裝步驟：

2.1 下載Python，點擊Python進入官網進行下載。如下圖所示。

2.2 選擇想要安裝的版本，點擊“Download”，可出現如下所示界面。這里我選擇的是Python3.6.5。

2.3 運行下載后的軟件

2.4 運行后的界面如下圖所示

由于前期踩了坑，安裝了python的高版本，這里是運行高版本時截的圖，python-3.6.5安裝步驟與下面一致。

2.5 選擇自定義安裝后的界面如下圖所示，選項全部勾選后點擊“Next”。

2.6 按下圖操作后，點擊“Install”即可。

2.7 點擊“Close”即可。

2.8 在鍵盤上同時按下“Windows”+“R”，出現以下界面

2.9 輸入cmd，點擊“確定”。

2.10 在出現的界面中鍵入python ，注意p為小寫。按下回車，若出現以下信息則說明安裝成功。

3、AnaConda的安裝步驟：

3.1 下載途徑
①點擊AnaConda進入官網，根據電腦系統選擇合適的版本，從官網下載。下載時間可能較長，請耐心等待。若速度過慢，建議選擇方法②。

②若第一種方法下載速度過慢，建議選擇 清華大學開源軟件鏡像站進行下載。

3.2 運行下載后的軟件

3.3 運行后的界面如下圖所示

3.4 點擊“Next”后的界面如下圖所示

3.4 點擊“I Agree”后的界面如下圖所示

假如電腦上有好幾個 Users ，才需要考慮這個問題。其實我們電腦一般就一個 User，就我們一個人使用，如果你的電腦有多個用戶，選擇All Users。不管是選擇哪個，后續的安裝流程都是相同的，所以不用在這里太過糾結，這里直接選擇Just Me，然后繼續點擊 Next 。

3.5 點擊“I Agree”后的界面如下圖所示

如果怕后期麻煩就按默認裝到C盤里，只不過會占用系統盤內存。（系統盤夠到的話裝在C盤是個不錯的選擇）。
若怕C盤爆滿，也可選擇裝入其他盤。注意不能有中文路徑！！！不能有空格！！！
3.6 兩個選項全部勾選，然后點擊“Install”。

3.7 等待一段時間后點擊“Next”。

3.8 繼續點擊“Next”。

3.9 按下圖操作即可。

3.10 在鍵盤上同時按下“Windows”+“R”，出現以下界面。

3.11 輸入cmd，點擊“確定”。

3.12 在出現的界面中鍵入conda info ，按下回車，若出現以下信息則說明安裝成功。

4、CUDA的安裝步驟：

4.1 點擊 CUDA來下載安裝包。

4.2 選擇好相應的版本后點擊“Download”。

4.3 打開下載后的程序。

4.4 打開后的界面如下，選擇臨時解壓路徑。

注意：
安裝cuda時，第一次會讓設置臨時解壓目錄，第二次會讓設置安裝目錄；

臨時解壓路徑，建議默認即可，也可以自定義。安裝結束后，臨時解壓文件夾會自動刪除；

臨時解壓目錄千萬不要和cuda的安裝路徑設置成一樣的，否則安裝結束，會找不到安裝目錄的！！！

4.5 選擇好路徑后，點擊“OK”，出現如下所示的界面。

4.6 耐心等待一段時間后，出現如下所示的界面，點擊“同意并繼續”。

4.7 按下圖所示，點擊“下一步”。

4.8 選擇如下圖所示的選項，點擊“下一步”。

4.9 選擇安裝位置后，點擊“下一步”。

4.10 耐心等待一段時間。

4.11 耐心等待一段時間后，出現如下所示的界面，點擊“關閉”。

4.12 在鍵盤上同時按下“Windows”+“R”，出現以下界面。

4.13 輸入cmd，點擊“確定”。

4.14 在出現的界面中鍵入nvcc --version ，注意nvcc后面有空格。按下回車，若出現以下信息則說明安裝成功。

5、cuDNN安裝步驟：

5.1 下載途徑

①點擊cudnn進入官網，根據電腦系統選擇合適的版本，從官網下載（首次下載需要注冊NVIDIA賬號）。下載時間可能較長，請耐心等待。若速度過慢，建議選擇方法②。

②
點擊 Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 9.0可下載與CUDA 9.0相對應的cuDNN版本。

點擊 Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1可下載與CUDA 10.1相對應的cuDNN版本。

其他版本可自行百度。

5.2 解壓下載好的壓縮包，解壓后的文件如下圖所示。

5.3 打開CUDA的安裝路徑，如下圖所示。

5.4 進行下圖所示的操作即可。

6、Tensorflow—GPU配置步驟：

6.1 打開anaconda prompt，如下圖所示。

6.2 打開后的界面如下圖所示。

6.3 配置清華的鏡像源，輸入以下指令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes

如果清華的鏡像下載太慢或失敗的話，可以用下面的鏡像重新下載，親測很快：

https://mirrors.aliyun.com/pypi/simple/ https://pypi.douban.com/simple/ https://pypi.mirrors.ustc.edu.cn/simple/

如下圖所示：

6.4 創建新環境python 3.6.5，輸入以下指令：

conda create -n tensorflow-gpu python=3.6.5

這個指令就是在AnaConda安裝目錄中的envs目錄下新建一個名字叫“tensorflow-gpu”，python版本為3.6.5的運行環境 ,如下圖所示。

這里也是踩了坑，筆者最開始安裝時cuda、cudnn、python、tensorflow版本不對應，安裝了較高版本的python，造成了最后的各種錯誤，以下截圖是以創建python 3.8.5為例截的圖，讀者應根據自己的python版本建立對應的環境。例如：python版本為3.6.5，則輸入指令 conda create -n tensorflow-gpu python=3.6.5

6.5 輸入指令并按下回車后，出現如下所示界面，鍵入 y

6.6 鍵入 y后，耐心等待一段時間，如下圖所示。

6.7 等待一段時間后，出現如下圖所示界面。

6.8 鍵入 conda activate tensorflow-gpu如下圖所示。

6.9 先升級pip到最新版，防止稍后安裝出現錯誤，輸入指令python -m pip install --upgrade pip。

6.10 安裝 TensorFlow ，鍵入pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==1.9，這里的1.9是因為我的電腦適配的是1.9版本的TensorFlow，讀者應根據自己電腦的配置，安裝相應版本的TensorFlow。

注意：這里不要圖省事直接鍵入conda install tensorflow-gpu，這樣會直接安裝最新版本的TensorFlow，很大可能會導致后期雖然成功安裝了TensorFlow，但卻無法進行GPU加速。

6.11 輸入y，等待一段時間，如下圖所示。

6.12 等待一段時間后出現下圖所示界面，表明安裝完成。

6.13 首先進入Python模式，鍵入以下代碼，出現下圖所示結果即表明tensorflow安裝成功。

import tensorflow as tf hello = tf.constant('hello,tensorflow') sess= tf.Session() print(sess.run(hello))

若安裝的是Tensorflow 2.0，輸入以上代碼則會報錯，這是由于一些1.0版本的函數被和2.0版本函數不兼容，所以Tensorflow 2.0需要輸入以下代碼：

import tensorflow as tf tf.compat.v1.disable_eager_execution()　 hello = tf.constant('hello,tensorflow') sess= tf.compat.v1.Session() print(sess.run(hello))

6.14 上述代碼只是檢測了tensorflow是否安裝成功。如果想要檢測tensorflow的確用gpu來做運算了，請用以下腳本測試。

import tensorflow as tf a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a, b) sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))

若安裝的是Tensorflow 2.0，輸入以上代碼則會出現AttributeError: module ‘tensorflow’ has no attribute 'ConfigProto’這個問題，這是由于一些1.0版本的函數被和2.0版本函數不兼容，所以需要將輸入以下代碼：

import tensorflow as tf tf.compat.v1.disable_eager_execution() a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') c = tf.matmul(a, b) sess= tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True)) print(sess.run(c))

運算結果如下圖所示，輸出語句中有device:GPU:0字樣，說明GPU加速成功。

7、在PyCharm中使用Tensorflow

7.1 打開PyCharm。

7.2 打開PyCharm后，依次點擊File->Settings，如下圖所示。

7.3 按下圖進行操作，點擊設置后，點擊add。

7.4 如下圖所示，選中Conda Environment，Existing environment里面根據路徑找到之前設置的tensorflow環境包中的Python.exe即可。

7.5 如下圖所示。

7.6 把6.13中測試tensorflow是否安裝成功的代碼復制過來，測試一下。出現下圖所示結果，說明tensorflow安裝成功。

7.7 把6.14中檢測tensorflow是否用gpu來做運算的代碼復制過來，測試一下。出現下圖所示結果，說明tensorflow用gpu來做運算。

總結

以上是生活随笔為你收集整理的Windows 10环境下TensorFlow(gpu版本)配置教程——[图解] [详细版][零基础]的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。