python+tensorflow+tensorflow-gpu+CUDA+cuDNN+pycharm全套环境配置教程

淩亂°似流年 2022-05-07 21:14 234阅读 0赞

### 这篇博客是从零开始的安装教程，全部完成后你的电脑就可以运行以tensorflow为框架的机器学习代码了，并可以使用GPU进行加速运算。 ###

# 1，python安装及环境配置 #

1.  [https://www.anaconda.com/download/][https_www.anaconda.com_download]在该网站下载对应你的系统版本的Anaconda(一个自带很多科学包的python版本)                                                                         ![70][]
2.  下载好后点开安装程序，按照要求一路点击下一步![70 1][]
3.  ![70 2][]
4.  ![70 3][]
5.  选择自己要安装的路径![70 4][]
6.  这里选下面就可以了，上面那个自动添加环境有时候会出问题，尤其是你以前装过Anaconda然后又卸载了或者没装成功的时候，反正我们选择手动添加环境最保险。![70 5][]
7.  然后等待安装完成，安装完成后我们开始配置环境变量。右键我的电脑→属性→高级系统设置→高级→环境变量→系统变量→找到Path，点击编辑→然后我们要在其中添加三个路径，分别为： ~\\Anaconda3，~\\Anaconda3\\Scripts，~\\Anaconda3\\Library\\bin ![70 6][]    中间的部分就是你安装Anaconda的位置，添加好后点击保存。
8.  安装完成，在cmd中输入anaconda和python，如果出现如下显示，说明安装正确。![70 7][]

# 2，Pycharm安装及环境配置 #

1.  [https://www.jetbrains.com/pycharm/][https_www.jetbrains.com_pycharm]在该网站下载对应你系统版本的Pycharm![70 8][]
2.  对于初学者来说社区版足够了，当然你也可以用收费版，网上也有破解教程。
3.  下载好后打开安装程序![70 9][]
4.  选择对应的版本![70 10][]
5.  按照要求一路点击下一步直到安装完成。![70 11][]
6.  打开pycharm，它会提示你新建一个工程，你也可以从从主界面新建工程。![70 12][]
7.  我们选择pure python 纯python程序，然后选择好路径，点击create创建![70 13][]
8.  建立好工程后我们新建一个python文件![70 14][]
9.  输入好文件名后点击ok![70 15][]
10. 接下来我们要配置解释器，也就是python的路径，点开设置 
11. 在左边选Project:untitled→Project Interpreter，然后在右边这个地方点击Add，新增解释器![70 16][]
12. 在左边选择Conda Environment，然后右边选择Existing environment，路径选择之前安装Anaconda文件夹下的python.exe，然后点ok。![70 17][]
13. 之后这里就会显示出当前选择的python所拥有的包，这里都是Anaconda自带的科学包。![70 18][]
14. 我们点击ok，返回主界面，接下来只要等右下角的进度条加载好，我们就可以写代码运行代码了。![70 19][]

# 3，tensorflow以及tensorflow-gpu的安装方法 #

1.  首先我们打开Anaconda的图形界面 ![70 20][]
2.  在最左边选择Environments,然后将中间的下拉框选中not installed,然后在右边搜索框中搜索关键字tensorflow![70 21][]
3.  搜索到后选中tensorflow和tensorflow-gpu,然后点击右下角apply并按指示安装，安装完成后tensorflow就可以直接使用了，tensorflow-gpu还需要安装CUDA和cuDANN才可以使用。

# 4，CUDA和cuDNN的安装及环境配置 #

1.  [https://developer.nvidia.com/cuda-toolkit-archive][https_developer.nvidia.com_cuda-toolkit-archive]首先从该网页下载tensorflow对应版本的的CUDA，tensorflow1.11可以使用CUDA9.0，下载好后按要求进行安装。![70 22][]
2.  [https://developer.nvidia.com/cudnn][https_developer.nvidia.com_cudnn]然后在这个网站下载cuDNN，版本要同时对应CUDA的版本和tensorflow的版本，cuDNN7.3.0满足CUDA9.0和tensorflow1.11。![70 23][]
3.  cuDNN下载下来后是一个压缩文件，解压后里面有三个文件夹，我们需要将这三个文件夹里的内容粘贴到CUDA的安装路径下对应的相同名字的文件夹里。![70 24][]
4.  很多人可能找不到CUDA装在了哪里，它有一个默认安装路径![70 25][]
5.  然后我们打开pycharm，输入以下代码
    
        import tensorflow as tf
        
        sess = tf.Session()
        a = tf.constant(1)
        b = tf.constant(2)
        print(sess.run(a+b))
    
     
6.  运行程序，如果显示以下类似结果，说明安装正确 ![70 26][]

[https_www.anaconda.com_download]: https://www.anaconda.com/download/
[70]: /images/20220508/d9066619976242d490247ff6da9f130f.png
[70 1]: /images/20220508/aae83e793c5640f087a826c8e7c9e53e.png
[70 2]: /images/20220508/5554eb5a3ee7419c8db33ba9c0b89791.png
[70 3]: /images/20220508/9921968c7eb3479e863dd5a1d58c612e.png
[70 4]: /images/20220508/728209c25bcf472ca35c45ba670add2a.png
[70 5]: /images/20220508/d9205ba73e3c4c0dabc33e9bfd68af2a.png
[70 6]: /images/20220508/7e0bec6738ed4e1190261898136612aa.png
[70 7]: /images/20220508/28ae3eda4d5a4c59bb5c91b3c3acb188.png
[https_www.jetbrains.com_pycharm]: https://www.jetbrains.com/pycharm/
[70 8]: /images/20220508/20632336a9684a8292651384c4b4755d.png
[70 9]: /images/20220508/ae1daa0a215946e08bf69a5267b1420c.png
[70 10]: /images/20220508/735eb7048ed2440399b547a4f5087e5d.png
[70 11]: /images/20220508/d0e53ea952b14b6b8b177f6e6f7920d5.png
[70 12]: /images/20220508/4a681be0b4d24bb4873d508990259b5d.png
[70 13]: /images/20220508/63aab3beed6244abba01a70171a84a96.png
[70 14]: /images/20220508/1d48f6b8975d4cf58a527274fcae28fa.png
[70 15]: /images/20220508/74c7a6166c3e4a0a95bd408aff384115.png
[70 16]: /images/20220508/25c65a4ed74c432fa8d19729cdab0200.png
[70 17]: /images/20220508/973462c2281447ed9f8b356b9bb49370.png
[70 18]: /images/20220508/c2bb55178fde4ab49eb7e1fd5fa55074.png
[70 19]: /images/20220508/88f617954de64362b87d708fb9ccdd31.png
[70 20]: /images/20220508/c9f21d2be2cd4294997253fcd39660c5.png
[70 21]: /images/20220508/e73febb54d004e7d9a02bb5cfdee4482.png
[https_developer.nvidia.com_cuda-toolkit-archive]: https://developer.nvidia.com/cuda-toolkit-archive
[70 22]: /images/20220508/301fe6fda4ff4c28a6aa590c497a9aa9.png
[https_developer.nvidia.com_cudnn]: https://developer.nvidia.com/cudnn
[70 23]: /images/20220508/47987a13af6842f4810faf8a9120974f.png
[70 24]: /images/20220508/cca5cf40e1fe463da6a99bb3ee79a2c4.png
[70 25]: /images/20220508/38351578d7e14f52bd26c1255bd158a7.png
[70 26]: /images/20220508/54266b4ef5334ff2a60ad9b45cd2c084.png