python3.6环境配置流程（gpu版本）

Tensorflow有两个版本：GPU和CPU版本，CPU的很好安装；GPU 版本需要 CUDA 和 cuDNN 的支持，如果独显+集显，那么推荐你用GPU版本的，因为GPU对矩阵运算有很好的支持，会加速程序执行！并且CUDA是Nvidia下属的程序，所以GPU最好是Nvidia的，AMD的显卡没有CUDA加速！满足以上条件之后，你需要查看一下你的英伟达GPU是否支持CUDA，如下图：（官网链接：CUDA GPUs | NVIDIA Developer）

满足条件后可以进行安装。

第一步：安装Anaconda（已安装）

1.下载安装软件

2.配置环境变量

计算机右键——属性——高级系统设计——高级——环境变量（也可以右下角直接搜索）

点击环境变量

选择“Path”，点击“编辑”

将以下三个路径加入，注意这里要换成你自己的安装路径,我的在C盘。

C:\Anaconda3
C:\Anaconda3\Scripts
C:\Anaconda3\Library\bin

然后点击“确定”保存，在左下角打开Anaconda—Anaconda Prompt，输入“conda -V”，能正常显示版本号，证明已经配置好了。

第二步：安装CUDA Toolkit + cuDNN

1.查看需要安装的CUDA+cuDNN版本

注意，tensorflow是在持续更新的，具体安装的CUDA和cuDNN版本需要去官网查看，要与最新版本的tensorflow匹配。

点击查看最新tensorflow支持的CUDA版本：https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support

官网对于tensorflow和CUDA以及cuDNN都有更新，并不是最新的才可以用，关键是匹配好对应的版本

2.下载CUDA + cuDNN

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

根据提示，我下载11.2版本

进入下载界面进行下载

下载好CUDA Toolkit 9.0 后，我们开始下载cuDnn 7.0，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的。登陆账号后才能下载。

（其实查询网上资料不注册也可以下载，直接右击，需要下载的链接，在迅雷中就可以了，大家可以尝试一下）

cuDNN历史版本在该网址下载：https://developer.nvidia.com/rdp/cudnn-archive

注意版本号要与tensorflow官网要求完全相同，我这里也为11.2版本

下载win10版本

这样，我们就下载好了 CUDA Toolkit 11.2.0 和 cuDnn 8.1.0.77，下面我们开始安装。

3.安装 CUDA Toolkit 11.2.0和 cuDnn 8.1.0.77

至关重要的一步：卸载显卡驱动

由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的，所以如果我们已经安装了nvidia显卡驱动（很显然，大部分人都安装了），再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法正常使用，这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以务必要删除电脑先前的显卡驱动。

再进行安装

安装

此处选择“自定义（高级）”

勾选所有

一路通过即可。

接下来，解压“cudnn-11.2-windows-x64-v8.1.0.77.zip”，将一下三个文件夹，拷贝到CUDA安装的根目录下。

这样CUDA Toolkit 11.2.0 和 cuDnn 8.1.0就已经安装了，下面要进行环境变量的配置。

配置环境变量

将下面四个路径加入到环境变量中，注意要换成自己的安装路径。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

到此，全部的安装步骤都已经完成，这回我们测试一下。

第二步：安装TensorFlow-GPU

打开tensorflow官网：https://www.tensorflow.org/install/install_windows#installing_with_anaconda

跟着操作步骤走就可以了。

1.创建conda环境

通过调用下列命令，创建一个名为“tensorflow”的conda环境：

conda create -n tensorflow pip python=3.6

等待相应包的安装，如果国内网络太慢的话，可以为conda设置清华源，这样速度能快一点，具体配置过程，网上查一下吧，此处不再讲述。如果看到这样的提示，就证明conda环境创建成功。

2.激活环境

通过以下命令激活conda环境：

activate tensorflow

这样就进入了刚创建的“tensorflow”环境。

3.安装tensorflow-gpu

安装GPU版本的tensorflow需要输入以下命令（这里我装的2.5.0版本，keras-nightly也是2.5.0版本）：

pip install --ignore-installed --upgrade tensorflow-gpu

如果只需要安装CPU版本的tensorflow则输入以下命令：

pip install --ignore-installed --upgrade tensorflow

这样就安装成功了。

注意：务必注意一点，在安装完tensroflow后，由于我们是新创建的conda环境，该环境中基本上是空的，有很多包和IDE并没有安装进来，例如“Ipython”，“spyder”此时如果我们在该环境下打开spyder/Ipyton/jupyter notebook等，会发现其实IDE使用的kernel并不是新建立的这个环境的kernel，而是“base”这个环境的，而“base”环境中我们并没有安装tensorflow，所以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。