关与Tensorflow-gpu Anaconda Pycharm配置问题解决方案
如何真真正正算配好tensorflow
TensorFlow-gpu安装时要与CUDA、CUDNN版本对应。
请参考网址：https://tensorflow.google.cn/install/source_windows
参考文档
明确四个东西：
1.需要安装的tensorflow-gpu的版本。
2.要安装的tesorflow-gpu对应的cuda版本。
3.要安装的tesorflow-gpu对应的cudnn版本。
4.要安装的tesorflow-gpu对应的python版本。
准备材料 ：
Anaconda(版本不限 能用就行)
pycharm
第一步 win +r 打开电脑cmd 输入 nvidia-smi 先查看 cuda 支持版本 或者是
控制面版查看不赘述了
如果没有控制面板，可以去Windows自带的微软商店下载安装，如果无法安装成功，考虑原电脑显卡驱动有问 题，考虑通过下载驱动精灵更新显卡驱动之后再进行安装
安装tensorflow-gpu时需要根据自己电脑已有的cuda版本进行命令的选择，否则会导致tensorflow，cuda不可用（命令行显示的cuda版本为此驱动可支持的最大版本的cuda，如果需要其他版本的cuda可以自行安装）。
如果想提升最大可兼容cuda版本，需要更新显卡驱动。
记下来在你电脑上的 CUDA Version
第二步
在开始菜单里面打开Anaconda Prompt 创建一个只个tensorflow 用的 even
选这个就可以 我的cuda版本在11.4 够用 cuda 10.1 然后对应的cudnn 是 7.6
在Anaconda中创建虚拟环境
conda create -n tensor2.1 python=3.6
删除环境
conda remove -n tensor2.1 --all# 删除
conda remove -n env_name --all
查看env
conda env list
这里环境就配好了 3.6 的python
进到虚拟环境
conda activate tensor2.1
安装指定 版本的TensorFlow
pip3 install tensorflow-gpu==2.1.0
有了然后再给他装上够用 cuda 10.1 然后对应的cudnn 是 7.6
如果已经安装好anaconda的同学，这部分执行出错，可能是channel的问题，可以参考文章https://blog.csdn.net/weixin_29015051/article/details/112118017
二：换源
命令行执行：
conda config --set show_channel_urls yes
在当前windos用户目录下生成生成.condarc，尽管有说安装anaconda后会自动生成，但是我查看了一下，没有，必须执行这个命令生成一下
命令行执行：
添加如下内容到该文件：
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
更新anaconda
conda upgrade --all
基本操作
没有指明包含chanel名称的情况下，均在main的频道中寻找指定操作的包，如果指定chanel-name，则在main频道中找不到时，会去指定的chanel-name中找。
安装包：
conda install [-n env-name]包名[=版本号] [包名[=版本号]] [-c chanel-name]
例如：
conda install cudatoolkit=11.2 cudnn -c conda-forge
给当前虚拟环境中安装cudatoolkits11.2和对应的cudann，在main和conda-forge频道中寻找要安装的软件包。
conda install -n env-name cudatoolkit=11.2 cudnn -c conda-forge
给虚拟环境env-name中安装cudatoolkits11.2和对应的cudann，在main和conda-forge频道中寻找要安装的软件包
卸载包：
conda remove [-n env-name] 包名
不指定环境名，卸载当前环境的。
更新包：
conda upgrade [-n env-name] 包名
不指定环境名更新当前环境的
全部更新：
conda upgrade [-n env-name] --all
不指定环境名更新当前环境的所有包
搜索包：
conda search 包名包含的字符 [-c chanel-name]
默认在main频道中找，如果寻找不到，则去附加的频道中查找。
虚拟开发环境管理
创建环境同时安装指定的包：
conda create -n env_name [包名=版本 [包名=版本] [......]] [-c CHANELNAME]
激活环境：
conda activate env_name
离开环境：
conda deactivate
列出所有的虚拟环境：
conda env list
conda info -e
删除虚拟环境：
conda remove -n 环境名 --all
环境重命名–分两步：
conda create -n old-env-name --clone new-env-name
conda remove -n old-env-name --all
更新指定环境指定包：
conda update -n 环境名 包名
更新指定环境的所有包：
conda update -n 环境名 --all
一个小例子，建立一个虚拟环境testenv，Python版本位3.7.3，并安装numpy 1.17 和pandas 1.10 和 scikit-learn 0.23.0
代码如下：
conda create -n testnv python=3.7.3 numpy=1.17 scikit-learn=0.24
创建一个安装mindspore的开发环境，cuda为10.1 和对应的cudnn,使用附加的conda-forge的频道。
conda create -n mindspore python=3.7.5 cudatoolkit=10.1 cudnn -c conda-forge
conda config --add channels conda-forge
conda upgrade --all
conda install cudatoolkit=10.1 cudnn -c conda-forge
看看好没有
import tensorflow as tf
tf.test.is_gpu_available()
成功 true
然后再稍微配置一下pycharm
要是它自己没有找到的话 你就自己再选出这个
这样就好了？你在跑demo 是肯定会出现tensor 与 keras 什么不对应的
记2022年5月16日再装配tensorflow-gpu
记2023年11月05日再装配
