【深度学习】tensorflow安装

首先进入tensorflow官网：https://www.tensorflow.org/install/source?hl=zh-cn#tested_source_configurations

查看tensorflow和python所对应的版本

这里推荐使用虚拟环境来下载，这样即使python版本不对也不影响（下面会介绍）

 

对于CPU版本：

直接下载对应python版本的tensorflow版本即可

 

对于GPU版本：

先安装CUDA和cuDNN

桌面点击右键，打开NVIDIA控制面板，选择帮助-系统信息

在打开的系统信息界面选择组件，查看CUDA版本，这里是11.7.101

如果没有控制面板，需要去安装一下：https://www.nvidia.cn/nvidia/drivers/performance-group/

确认好CUDA版本后，选择对应的安装包下载：https://developer.nvidia.com/cuda-toolkit-archive

 

如果没有对应的CUDA版本，安装前一个版本即可，比如CUDA版本是11.9.0，则下载11.8.0

对应CUDA的安装，直接一路点击下一步即可

安装完之后，系统变量应该有这两个路径，如果没有的话，需要自行添加

 

安装完CUDA之后，开始安装cuDNN：https://developer.nvidia.com/rdp/cudnn-archive

选择对应CUDA版本的cuDNN版本，下载cuDNN的话需要登陆DVIDIA账号，可以注册一个，如果嫌麻烦可以百度下载一个安装包

需要注意的是，cuDNN是一个压缩包，我们需要解压之后放到CUDA的目录下

如果安装CUDA的时候没有更改目录，CUDA默认安装在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

直接将解压后的cuDNN文件复制到CUDA目录下即可，至此，CUDA和cnDNN安装结束，准备安装tensorflow

 

我们使用Conda来创建虚拟环境，如果没有安装Anaconda，可以查看这个教程：https://www.cnblogs.com/haroldchen/articles/16706318.html

根据上面提到的tensorflow和python的对应关系，我们创建一个装有python3.9的虚拟环境来安装tensorflow2.6 gpu版本

 打开conda命令行窗口，输入conda create -n tensorflow python=3.9（创建一个名为tensorflow的虚拟环境，python版本为3.9）

 安装完之后，conda会提示你如果激活这个环境，使用conda activate tensorflow来激活

当前缀为tensorflow时，激活成功，现在开始安装tensorflow

 我们可以使用conda来安装，也可以使用自带的pip来安装，输入pip install tensorflow_gpu==2.6.0来指定tensorflow版本

安装完之后，我们进入python环境，输入import tensorflow as tf

然后输入tf.test.is_gpu_available()

当输出结果为True，tensorflow gpu版本安装完成

道友可以愉快的进行炼丹了（bushi

 

 

可能遇到的坑：

1.protobuf版本不匹配，根据提示重新安装protobuf即可，pip install protobuf==3.20.1

keras版本不匹配，根据提示重新安装keras即可，pip install keras==2.6.0

 

2. Could not load dynamic library "xxx.dll"，这些dll文件都在CUDA目录下的bin目录下，我们复制缺少的dll文件到C:\Windows\System32目录下即可解决

 

3. Could not zlibwapi.dll. Please make sure it is in your library path，去英伟达官网下载zlibwapi.dll文件：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-zlib-windows

下载之后解压，将zlibwapi.dll文件复制到C:\Windows\System32目录下即可解决