【Tensorflow安装汇总】Conda直装超级简单！！！

Jennifer ·

更新时间:2024-09-20

· 613 次阅读

Tensorflow硬件检查 检查显卡版本

打开英伟达控制面板，找到系统信息即可看到

在这里插入图片描述

更新显卡版本

英伟达显卡版本更新的非常频繁，一定要保证显卡驱动是最新的（很多人就是因为不是最新的版本而报错）
去更新显卡驱动官网下载最新版

https://www.geforce.cn/drivers/results/155099

在这里插入图片描述
然后一步一步安装下来就行了

不使用Conda安装版

先使用正常安装步骤安装Cuda和Cudnn，如果报错再安装conda版

CUDA官网下载：

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64

CUDNN官网下载：

https://developer.nvidia.com/cudnn

测试是否安装成功：
在这里插入图片描述

然后创建虚拟环境去安装tensorflow,参考教程

https://blog.csdn.net/qq_27009909/article/details/100811256`

使用Conda安装版

所有顺序不能错，版本也不能错

创建虚拟环境
conda create --name tensorflow-gpu-new python=3.6.5
激活虚拟环境
activate tensorflow-gpu-new
安装cuda和cudnn，没错cudnn不用指明版本
conda install cudatoolkit=9.0
conda install cudnn
# 安装tensorflow-gpu
pip install tensorflow-gpu==1.6.0  -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
# 为了让jupyter notebook关联到这个虚拟环境
conda install nb_conda
# 三大库安装
pip install  numpy==1.16.0 -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install pandas==0.25.3 -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install matplotlib==3.1.1 -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
# 下面看情况安装，建议全部安装，因为都很常用
pip install h5py -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install sklearn -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install keras==2.1.5 -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install opencv-python -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install gensim -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
pip install tqdm -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com
(卡住按回车即可)

完美解决！

测试Tensorflow

import tensorflow as tf
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

关于博主

【大家如果有关于JavaWeb+大数据（擅长领域）+ 人工智能等方面的疑惑，比如学习路线，学习方法，项目准备，简历包装等，都可以直接向我进行咨询，还可以加入群聊和小伙伴一起共同成长。（加我请备注CSDN）】
在这里插入图片描述