AI => Tensorflow2.0（win10 & Beta & GPU版 ）安装

前言

python & cuda & cudnn & 显卡型 & tensorflow 版本若是匹配很差，可能会踩坑。。
本篇文章，讲述了 全套安装过程 与 我所踩过的坑。

环境推荐

我也不是一次成的，当时 tf-13rc问世时，弄了很久。
稍微提一下，python官网首页的python3.7是 win32的。
我以前重装系统偷懒下载的。用了好久才发现是32位的。。。。
Tensorflow必须是须要 win 64位的。 （终端下输入 python就能看到是多少位的 xx bit ）
注： 安装路径一概用 英文！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

最后成功的配套版本以下：

win10
gtx1050   (其余型号的，不保证，应该也能差很少)
python3.7 (感受python问题并非特别大。 建议 3.7)
cuda:     cuda_10.0.130_411.31_win10
cudnn:    cudnn-10.0-windows10-x64-v7.4.2.24
tensorflow-gpu==2.0.0-beta0

资源分享 （BaiduNet）

资源构成: CUDA + CUDNN + 4个vc环境 （vc环境干啥的，下面说）
个人网盘: https://pan.baidu.com/s/1Z6Ha...
提取码: 2qut

下载后别乱点，按顺序看下面教程安装。 有依赖的。

安装CUDA

官链：https://developer.nvidia.com/... （若是你不想用个人工具包，能够自行CUDA官链）

若是你直接去安装CUDA时，可能会抛error, 提示你，须要依赖 vs201+ 环境。
其实咱们大可没必要安装 那么大致积的vs， 而是安装 vc_redist 插件便可。

安装环节：

1. 你能够看到我分享的资源中， 有4个 vc_redist。
   下载下来， 防漏，从上到下挨个安装一遍。（瞬装很快，若是提示你已安装，不用管。所有安装一遍）
2. 而后安装 CUDA，双击安装便可 （选精简版便可）（记住安装路径，我记得好像是默认自动路径，忘了）
3. 一路下一步，便可安装成功

配置环节：

1. 默认自动安装的路径以下：  （若是你选的自定义安装，你要记住你的路径）
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
2. 将此路径配置到 环境变量 中 
3. 关掉全部cmd, 从新打开cmd，输入 nvcc -V
4. 没报错说明安装成功。

安装CUDNN

官链：https://developer.nvidia.com/...（若是你不想用个人工具包，可自行官链）
(官网下 CUDNN 貌似须要登陆)

操做环节：

1. 你能够看到我分享的资源中，有CUDNN，下载下来，解压（任意位置均可，记住就行）。

2. 解压后，进入解压的目录，你会看到有个cuda目录，进去！而后作以下操做！！！
   2.1. 进入 bin 目录， 把里面的文件（应该就一个），复制到

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

   2.2 进入 include 目录，把里面的文件（应该就一个），复制到

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include

   2.3 进入 lib 目录, 再继续进入 x64 目录，把里面的文件（应该就一个），复制到

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

   说一下： 上面3个路径，安装cuda提到的（精简版的默认路径， 你的和个人是如出一辙的，直接复制）

3. 将此路径添加到环境变量 （一样是默认路径，直接拿去复制，配了就行）：

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

安装Tensorflow

每一个人有每一个人的习惯，建议用用虚拟环境安装东西。 我较熟练 virtualenv + virtualenvwrapper-win
固然，你直接装也是没问题的。

安装tensorflow-gpu==2.0.0-beta0:

pip install tensorflow-gpu==2.0.0-beta0  -i http://pypi.douban.com/simple/  --trusted-host pypi.douban.com

若是你是anaconda（那么须要先打开anaconda prompt pip）(科学)：

pip install tensorflow-gpu==2.0.0-beta0

安装 matplotlib (非必须，但 反正也是不离手的东西，直接装了吧)

pip install scipy matplotlib pandas sklearn -i http://pypi.douban.com/simple/  --trusted-host pypi.douban.com

至此，所有安装完成，接下来测试。

测试安装 & 测试是否使用GPU

import tensorflow as tf

print(tf.__version__)
print(tf.test.gpu_device_name())

就这3行代码，便可。 看打印结果：

2.0.0-beta0          # 这是版本信息
/device:GPU:0        # GPU字样就说明可使用GPU了。

强迫症的挣扎

执行上面代码测试的时候，我这里是有一大串 warning的。 关于数据类型的 warning。其实无伤大雅。
不，很伤，我去github找了一下。其实就是你的 numpy版本太新了。 重装换一个 1.17如下版本 就行。
CMD直接 运行如下命令便可：

pip uninstall -y numpy && pip install numpy==1.16.4

强迫症帮助者连接：https://github.com/tensorflow...

结束语

个人机子早一阵买的了， GTX1050的， 每一个人的显型都不一样。
因此也许我给出的配套版本，不能知足全部人需求。
下面说一下我以前装的时候遇到的问题：

1. 记得安装路径尽可能所有，用英文。
2. cuda安不上，由于缺乏 vs201+, （我上面说过了，安装我分享的那4个vc_redist小文件可代替安装 vs）
3. 若是在安装tensorflow时，提示你，没有找到相关模块：
   3.1 多是你的 python 和 pip 版本太低
   3.2 多是你的 python是32位的。 （不要偷懒去安装主页的python3.7，那个是32位的。必须用64位）
4. 若是在安装tensorflow 或者 import tensorflow 时，给你报了一大堆错误：4.0 首先看错误能不能看懂4.1 多是我给的 配套版本。 并不能知足你的 机器，显型。 这时候你就得本身去找对应版本了4.2 我以前弄的时候，我记得好像有 Nvidia显卡 & cuda & cudnn 的对照表。忘记录了。可自行寻找。