在Windows10下用Anaconda创建TensorFlow2.0.0虚拟环境
在Windows10下用Anaconda创建TensorFlow2.0.0虚拟环境
1. 修改conda国内镜像源
修改原因是外网下载速度忒慢~
（1）在Anaconda Prompt窗口执行配置命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --set show_channel_urls yes
（2）修改"C://用户//XX//.condarc"文件，去点defaults那一行
原始：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
ssl_verify: true
show_channel_urls: true
修改后：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
ssl_verify: true
show_channel_urls: true
2. 创建Anaconda环境
创建tensorflow2.0 CPU版本环境：
conda create -n tensorflow2
**：
activate tensorflow2
3. 安装Tensorflow2.0 CPU版本
（1）CPU版本Tensorflow2.0
- 注意不能直接用conda命令安装
conda install tensorflow，conda命令默认安装的是tensorflow1.0+版本，tensorflow2.0版本只能用pip19.0+版本安装：
正确安装步骤：
1）conda安装python
conda install python
2）升级pip
python -m pip install --upgrade pip
3）pip使用清华源安装TensorFlow2.0.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.0.0
此时出现超时报错：ReadTimeoutError:HTTPSConnectionPool(host='pypi.tuna.tsinghua.edu.cn', port=443): Read timed out.
解决：
pip --default-timeout=100 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.0.0
此时可以成功安装，但仍有报错：google-auth 1.13.1 has requirement setuptools>=40.3.0. but you'll have setuptools 36.4.0 which is incompatible.
咱不急，有错就改：
pip install --upgrade setuptools
（2）CPU版本Tensorflow2.0 测试结果
用conda list检查一下已安装的包：
显示已安装成功，进入python import一下测试：
证明安装没问题
（3）补充其他常用软件包
-
注意不要用
conda install pakg-name，因为此时conda命令只会从国内镜像源下载包，许多包的版本都很低，甚至会给虚拟环境安装已有软件包的旧版本，导致后续import tensorflow的时候报错 -
无需安装keras！随着谷歌对Keras的收购，Keras库2.3.0版本后也将不再进行更新，最好使用tf.keras而不是使用pip安装的Keras.
1）pip安装matplotlib, pandas等等
pip install matplotlib
pip install pandas
4. 安装Tensorflow2.0 GPU版本
（1）首先准备好必需的硬件软件
官网给出的requirements：
下载地址：
CUDA10.1: https://developer.nvidia.com/cuda-downloads
cuDNN7.6: https://developer.nvidia.com/cudnn
（2）CUDA安装
第一次安装选择精简安装，这里选了D盘安装：
- 安装过程中出现屏幕闪烁，属于正常现象。
- 安装完了之后需要添加环境变量
在系统的环境变量中可以看了多了两行
还需要另外添加变量:
- CUDA_BIN_PATH = %CUDA_PATH%\bin
- CUDA_LIB_PATH =%CUDA_PATH%\lib\x64
- CUDA_CUPTI_PATH =%CUDA_PATH%\extras\CUPTI\lib64
- CUDA_SDK_PATH = %D:\ProgramData\NVIDIA Corporation\CUDA
Samples\v10.1%- CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64%
- CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
设置完后，用cmd命令来检查
Result=PASS代表成功
（3）配置cuDNN
把下载好的压缩文件解压，把三个文件夹复制到CUDA_PATH中
配置完了记得重启电脑！！！
参考链接：https://blog.csdn.net/qq_27825451/article/details/89082978
说明：
- NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。一般情况下，我只需要安装最新版本的显卡驱动，然后根据自己的选择选择不同CUDA工具包就可以了，但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序，所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动。
- cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。
- CUPTI: 即CUDA Profiling Tools Interface (CUPTI)。在CUDA分析工具接口（CUPTI）能够分析和跟踪靶向CUDA应用程序的工具的创建。CUPTI提供以下API：
a. Activity API
b. Callback API
c. 事件API
d. Metric API
e. Profiler API
（4）用Anaconda新建一个虚拟环境
创建tensorflow2.0 GPU版本环境：
conda create -n tensorflow2-gpu
**环境
activate tensorflow2-gpu
（5）pip安装tensorflow-gpu==2.1.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow_gpu==2.1.0
（6）测试
在Anaconda Prompt中进入python执行import tensorflow，出现错误：ImportError: DLL load failed: 找不到指定的模块。
查到原因可能是没安装Visual Studio:
按照指示安装并重启电脑后，重新测试：
可以正常import了！！！！激动撒花~~