windows10下安装tensorflow2.0-GPU和Cupy（不用搞CUDA+cudnn）

0.前言

　　今年暑假买了个1660ti的游戏本学python，后来发现跑一些数据量比较大的代码和深度学习的时候太慢了，遂想装一下GPU版本，看了网上的资料搞了好几天，又是CUDA又是cudnn的，网速慢不说，装完还各类报错，最后发现随着anaconda和tensorflow的更新，如今利用anadonda只要一行命令就能完成。（装好虚拟环境后，直接看4.2）

　　

1. 安装anaconda

　　这部分没啥难度，只要注意两点：

　　　　1.去官网下载https://www.anaconda.com/distribution/，而不要去清华的镜像站（已经好久没有更新了），官网下比清华慢一点，但相信我这是值得的。

　　　　2.安装的时候建议直接把两个勾都选上（网上的其余教程都建议不勾选而后手动添加PATH，但我发现直接勾上没问题，以后加PATH反而有各类问题出现）

 

 

　　　　#.若是以前电脑里已经有安装python，建议先卸载再装anaconda，这样能避免不少问题

 

　　　　作完这一步你就拥有了一个预装了不少包的base环境，包括pandas和numpy，足够初学者作不少事情了。

 

2. 换清华源

　　虽然上面说anaconda的安装包不要去清华上下，可是用镜像站来下载和更新python包仍是能够的（能快上很多）。打开CMD，复制打入就行

　　　　　　　　　　　　

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

　　　　　　　　　　　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 

　　　　　　　　　　　　conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

　　　　　　　　　　　　conda config --set show_channel_urls yes

 

3.建立一个另外的虚拟环境

　　起先看网上教程的时候一直不明白这一步有什么用，处理了不少报错之后发现这是为了不依赖包版本冲突。例如你在官网上下载的anaconda，自带的base环境是python3.8，而tensorflow是建议装python3.6，它要求的各类依赖包也是python3.6时代的，直接在base环境下安装，须要将原本是最新的软件包降级，可能会影响其余包，最新的功能就用不到了。

　　因此建立虚拟环境能够彻底避免依赖包冲突，须要使用tensorflow的时候切换过来就行。

　　3.1 打开CMD（若是你把anaconda装在了C盘，建议使用管理员运行，能够事先避免权限报错），键入:

　　　　　　　　　　　　conda create -n env_gpu python=3.6 

　（env_gpu是你给虚拟环境起的名字，依我的喜爱就行，网上大多叫tensorflow或者env_tf2，我这边叫env_gpu是由于我用这个环境来跑须要gpu加速的任务：tensorflow-gpu和cupy）

 

 

 　　按y回车，anaconda就会安装一些必须的包（换源以后是很快的）

　

4. 在虚拟环境下安装tensorflow-GPU(用于机器学习）和cupy（numpy的GPU加速版本）

　　　　4.1 首先激活虚拟环境：

　　　　　　　　　conda activate env_gpu

　　　　　　　　　（整个第4步的cmd都别关掉，用同一个，假如手滑关了，就要再激活一次虚拟环境）

　　　　

 

　　　　能够看到前面有个括号代表所在的环境

 　　

　　　　　　

　　　　　4.2.安装tensorflow-gpu和cupy

　　　　　　　　　　　　conda install tensorflow-gpu=2.0.0

　　　　　　　　　　　　conda install cupy

　　　　　　　　　　　　（一行一行来）

 

 

 

　　　　　　　　　　能够看到anaconda会自动安装匹配版本的cuda和cudnn，不用去英伟达官网下载了，也避免了操心版本问题。

　　　　　　4.3 安装spyder, jupyter notebook

　　　　　　　　　　由于咱们在第三步建立了一个独立的虚拟环境，和原来base环境里的spyder和jupyter notebook是不通用的，因此在这个环境下手动安装一个就行:

　　　　　　　　　　conda install spyder

　　　　　　　　　　conda install jupyter

 

　　　　　　　　　　安装完之后能够在开始菜单搜索spyder，（anaconda）结尾的是base环境下的spyder, （env_gpu）结尾的是这个环境下的spyder。

 

5.测试一下吧 

　　　　5.1 打开spyder(env_gpu)

　　　　5.2 键入一些测试的code

 

　　　　5.3 cupy也导入测试下

　

 

 

 　　　　都没有报错，大功告成！