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

0.前言

　　今年暑假買了個1660ti的遊戲本學python，後來發現跑一些數據量比較大的代碼和深度學習的時候太慢了，遂想裝一下GPU版本，看了網上的資料搞了好幾天，又是CUDA又是cudnn的，網速慢不說，裝完還各類報錯，最後發現隨着anaconda和tensorflow的更新，如今利用anadonda只要一行命令就能完成。（裝好虛擬環境後，直接看4.2）

　　

1. 安裝anaconda

　　這部分沒啥難度，只要注意兩點：

　　　　1.去官網下載https://www.anaconda.com/distribution/，而不要去清華的鏡像站（已經好久沒有更新了），官網下比清華慢一點，但相信我這是值得的。

　　　　2.安裝的時候建議直接把兩個勾都選上（網上的其餘教程都建議不勾選而後手動添加PATH，但我發現直接勾上沒問題，以後加PATH反而有各類問題出現）

 

 

　　　　#.若是以前電腦裏已經有安裝python，建議先卸載再裝anaconda，這樣能避免不少問題

 

　　　　作完這一步你就擁有了一個預裝了不少包的base環境，包括pandas和numpy，足夠初學者作不少事情了。

 

2. 換清華源

　　雖然上面說anaconda的安裝包不要去清華上下，可是用鏡像站來下載和更新python包仍是能夠的（能快上很多）。打開CMD，複製打入就行

　　　　　　　　　　　　

　　　　　　　　　　　　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.建立一個另外的虛擬環境

　　起先看網上教程的時候一直不明白這一步有什麼用，處理了不少報錯之後發現這是爲了不依賴包版本衝突。例如你在官網上下載的anaconda，自帶的base環境是python3.8，而tensorflow是建議裝python3.6，它要求的各類依賴包也是python3.6時代的，直接在base環境下安裝，須要將原本是最新的軟件包降級，可能會影響其餘包，最新的功能就用不到了。

　　因此建立虛擬環境能夠徹底避免依賴包衝突，須要使用tensorflow的時候切換過來就行。

　　3.1 打開CMD（若是你把anaconda裝在了C盤，建議使用管理員運行，能夠事先避免權限報錯），鍵入:

　　　　　　　　　　　　conda create -n env_gpu python=3.6 

　（env_gpu是你給虛擬環境起的名字，依我的喜愛就行，網上大多叫tensorflow或者env_tf2，我這邊叫env_gpu是由於我用這個環境來跑須要gpu加速的任務：tensorflow-gpu和cupy）

 

 

 　　按y回車，anaconda就會安裝一些必須的包（換源以後是很快的）

　

4. 在虛擬環境下安裝tensorflow-GPU(用於機器學習）和cupy（numpy的GPU加速版本）

　　　　4.1 首先激活虛擬環境：

　　　　　　　　　conda activate env_gpu

　　　　　　　　　（整個第4步的cmd都別關掉，用同一個，假如手滑關了，就要再激活一次虛擬環境）

　　　　

 

　　　　能夠看到前面有個括號代表所在的環境

 　　

　　　　　　

　　　　　4.2.安裝tensorflow-gpu和cupy

　　　　　　　　　　　　conda install tensorflow-gpu=2.0.0

　　　　　　　　　　　　conda install cupy

　　　　　　　　　　　　（一行一行來）

 

 

 

　　　　　　　　　　能夠看到anaconda會自動安裝匹配版本的cuda和cudnn，不用去英偉達官網下載了，也避免了操心版本問題。

　　　　　　4.3 安裝spyder, jupyter notebook

　　　　　　　　　　由於咱們在第三步建立了一個獨立的虛擬環境，和原來base環境裏的spyder和jupyter notebook是不通用的，因此在這個環境下手動安裝一個就行:

　　　　　　　　　　conda install spyder

　　　　　　　　　　conda install jupyter

 

　　　　　　　　　　安裝完之後能夠在開始菜單搜索spyder，（anaconda）結尾的是base環境下的spyder, （env_gpu）結尾的是這個環境下的spyder。

 

5.測試一下吧 

　　　　5.1 打開spyder(env_gpu)

　　　　5.2 鍵入一些測試的code

 

　　　　5.3 cupy也導入測試下

　

 

 

 　　　　都沒有報錯，大功告成！