win10-tensorflow环境快速搭建-基于anaconda

众所周知，配置环境一直是个有点小麻烦的事儿，tensorlow分为gpu版本和cpu版本的，其中gpu版本的需要额外的cuda和cudnn，但是你要是不用gpu吧，又太慢了。上次实在linux下安装开发环境，这次我们在win10下安装tensorflow环境带gpu的版本，为了省事，我们用acaconda进行快速安装。

安装Anaconda3

按照官网的描述：

{% blockquote %} The open-source Anaconda Distribution is the easiest way to perform Python/R data science and machine learning on Linux, Windows, and Mac OS X. With over 19 million users worldwide, it is the industry standard for developing, testing, and training on a single machine, enabling individual data scientists to: Quickly download 1,500+ Python/R data science packages Manage libraries, dependencies, and environments with Conda Develop and train machine learning and deep learning models with scikit-learn, TensorFlow, and Theano Analyze data with scalability and performance with Dask, NumPy, pandas, and Numba Visualize results with Matplotlib, Bokeh, Datashader, and Holoviews {% endblockquote %}

emm说白了就是一个python/r 的科学平台，可以很方便的帮你配置环境，管理各种包。

下载地址我们选择python3.7的64位版本记得右键管理员安装，然后一路下一步即可，需要注意的是到最面需要添加环境变量的时候勾选上，省的后期手动添加：

安装CUDA和CuDNN

这是为了gpu版本准备的，cpu版本的可以跳过这部分

CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。

在anaconda安装tensorflow-gpu的时候，会自动安装这俩，但是也可以自己安装（懒得自己安装的话，跳过即可）

先去官网下载安装包，注意的是不同的tensorflow-gpu支持的cuda版本不太一样，要一一对应看好了：

CUDA 官网：https://developer.nvidia.com/cuda-downloads

cuDNN 官网：https://developer.nvidia.com/cudnn

其中CUDA下载完了一路下一步就行了，其中选项选择自定义安装，只勾选第一个CUDA，其他都不选。到最后可能会提示让你安装Visual Studio,忽略即可

cudnn下载完了是一个压缩包里面有三个文件夹。把三个文件夹复制到cuda安装目录下即可，一般是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.x (vx.x是你的版本号）

这样就装好CUDA和CuDNN了，懒人可以跳过去，直接让anaconda自己装就行了嘛。

创建TensorFlow开发环境

打开anaconda的命令行，在最左下角的开始菜单里面，选择右键管理员运行

在出现的命令行里，输入：

bash
conda create -n  tensorflow_gpu python=3.6

如果你不想要gpu，只用cpu，那么：

bash
conda create -n tensorflow python=3.6

中间会让我们确认，输入个y按回车就好了。可能需要一段时间，尤其是国外的服务器可能会慢。耐心等。安装完后，会提示我们用activate和deactivate进行切换。

安装各种

我们先激活环境，在命令行输入：

bash
activate tensorflow_gpu

（如果是cpu的请去掉后面的gpu）现在可以升级一下各种库（可选），输入：

bash
conda update conda

安装tensorflow

如果是gpu输入： conda install tensorflow-gpu,cpu输入conda install tensorflow 确认等待即可。

测试

这里我们直接用anaconda自带的python ide来测试，打开jupyter notebook（就还在开始菜单里），输入下面的代码，回车：

python
import tensorflow as tf
print(tf.__version__)

如果顺利会出现版本号（2.0）