（最新）win10简单快速安装TensorFlow（CPU版本）and（GPU版本）

本是古典何须时尚 2021-08-19 21:47 915阅读 1赞

\----------------------------希望安装tensorflow不会对你学习tensorflow失去信心---------------------------------

前两天花了一天多的时间安装**tensorflow**，我想大部分同学都是用来想做机器学习，深度学习的吧，以下是我整理的一些过程和心得。建议从头开始按一个博客来，不建议一会跟着这个博客操作，一会又跟着另一个操作，同时希望大家在学tensorflow前别被安装tensorflow折磨而失去了动力，于是就有了这篇博文。

*  前提：已装好了Anaconda（没装过得同学可以去其他博客看一下，把他装好哦，记得配置环境变量）
 *  GPU版本前提：检查自己电脑是否有NVIDIA显卡，AMD的显卡不支持GPU版本
 *  **我的环境**：Win10 + NVIDIA GeForce GTX1650 + python3.6
 *  **我安装了**：TensorFlow 1.10.0 + CUDA ９.0 + cuDNN 7.０.５

## 先带大家安装CPU版本（这个比较快）： ##

*  找到==**Anaconda Prompt**==，右击管理员模式运行。  
    ![在这里插入图片描述][20191024220741427.png]
 *  在跳出来的黑色**Anaconda Prompt** 框中复制以下这几句话
    
     *  （复制完一句，记得敲回车，然后再复制下一句）
        
            conda create -n tensorflow-cpu python=3.6
    
    (**-n tensorflow-cpu** 意思是创建一个名为tensorflow-cpu的虚拟环境,你也可以叫别的名字)
    
     *  输完回车显示（**输入y**，他就开始帮你创建这个虚拟环境了）  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70]
     *  同时你进入**Anaconda Navigator** 也可以看到新建的虚拟环境 （这步可不操作）  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 1]
 *  创建完虚拟环境以后，他会跳出下图!  
    ![在这里插入图片描述][20191024224453698.png]
 *      activate tensorflow-cpu
 *  输入 **activate tensorflow-cpu（你之前创建的虚拟环境名）** 就好，意思就是你创建好了这个环境，那你得先进去这个环境才能操作吧！！！
 *  进入之后前面就会有个小括号了，意思是你在这个环境内了。
    
    ![在这里插入图片描述][20191024221739727.png]
 *  这边建议你先更新一下pip，不然后面装包可能由于pip版本太低容易报错（复制下面这句话就好）
    
        python -m pip install --upgrade pip
 *  然后在命令行窗口中继续复制以下语句（安装cpu版本），输完记得回车，根据你的选择输入下面的语句
    
     *  安装指定cpu版本的tensorflow
    
        pip install tensorflow==对应的版本号
    
     *  安装最新cpu版本的tensorflow （目前是2.0的）
    
        pip install --upgrade tensorflow
    
     *  如果网速慢，加上豆瓣源即可（装的是2.0版本的哦)，可以自己改版本号
        
            pip install tensorflow==2.0.0-beta0 -i https://pypi.doubanio.com/simple
     *  这就开始了》》》》》》》》》》》（大概15分钟左右）  
        ![在这里插入图片描述][20191024221831558.png]

--------------------

### 我遇见的错误： ###

*  错误一：可能会出现以下这样的情况，当你满怀期待的在等待它装完 \[给你报错了\]  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 2]
    
    解释：意思是说，你的pip版本太低了，目前已经19.3.1了，你的9.0.1还想玩？
    
    那么用它提示的命令更新一下pip吧，下面我已经给你打出来了，直接复制就好
    
        python -m pip install --upgrade pip
 *  这个更新很快，更新好了之后，继续输入以下这句话
    
        pip install tensorflow==(对应的版本号)
 *  错误二：现在你想着应该可以了吧，终于要成功了，如果真的成功了，那祝贺你，如果报这个错误，看这里，我装的时候就报错了
    
     *  error:THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE
    
    [看这篇博客解决办法就ok了][ok]， 其实就是换一个命令而已，就是下面这句话
    
        pip install --upgrade tensorflow
 *  错误三: 报错Time out
 *  建议网速慢的同学，在等待的时候，不要看视频这些的，我就有报了这么一个错，就是显示time out 大概就是超时的意思，重新输入报错前的之前的命令就好
    
        #比如你在装tensorflow,那就在来一边装tensorflow的命令
        #比如你在更新pip， 那就在输入一遍更新pip的命令。。以此类推。。。。
 *  现在终于安装成功了（因为我中间有个超时的操作，第二次输入的时候，他把我的包都更新了一遍）  
    ![在这里插入图片描述][20191024222000404.png]

**看到Successfully基本大功告成了，这次真的祝贺你一下，我知道你也觉得说我心里没底啊，那我们再来试一下代码吧。**

--------------------

### 测试： ###

*  先在窗口输入python 进入tensorflow-cpu版本的**python环境**（可以参考文末的图）  
    ![在这里插入图片描述][20191024222030484.png]
 *  复制下面的代码即可
    
     *  装了2.0版本及以上复制这里

# 验证代码（一行一行输入，中间还能看到是在用cpu的字样）
    import tensorflow as tf
    
    tf.compat.v1.disable_eager_execution()
    
    hello = tf.constant('Hello, TensorFlow!')
    
    sess = tf.compat.v1.Session()
    
    print(sess.run(hello))

*  tensorflow 2.0 以下的版本复制这里

# 这个是大部分博客都有的验证代码
    
    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))

--------------------

## 然后带大家安装GPU版本（这个需要沉住气）： ##

先看了一下各个博客的内容，总结了一下win10上装tensorflow—gpu版本的步骤

*  Visual Studio（我装了2015社区版）
 *  安装GPU版本（这个放在后面也可以，但我为了看他匹配的cuda和cudnn的版本）
 *  CUDA
 *  cuDNN
 *  测试是否成功

--------------------

### 1.先安装visual studio，CUDA需要Visual Studio的支持 ###

*  下载地址：[VS 2015][]
 *  进入是这样子的  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 3]
 *  我们选2015版本点，点击下载  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 4]
 *  然后找到update3 找社区版 点下载就好，文件很小只有**3.3M**，不要怀疑，你是对的  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 5]
 *  安装步骤参考一下博客,仅仅是参考安装步骤，下载按我的来 **安装时间30-60分钟**
    
     *  [传送][Link 1]
     *  **注意**：可以不装到C盘，如果你选自定义，要把Visual C++ 勾上  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 6]

--------------------

### 2.安装GPU版本tensorflow（也是和安装cpu版本类似，所以有些图是我装cpu版本的图） ###

*  安装前我先贴一个tensorflow版本和python版本、cuDNN版本、CUDA版本需要兼容的图  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 7]
 *  找到 **Anaconda Prompt**，右击管理员模式运行。  
    ![在这里插入图片描述][20191024222400950.png]
 *  在跳出来的黑色**Anaconda Prompt** 框中复制以下这几句话 装的python是3.6版本
    
     *  （复制完一句，记得敲回车，然后再复制下一句）
     *      conda create -n tensorflow-gpu python=3.6
        
        (**-n tensorflow-gpu** 意思是创建一个名为tensorflow-gpu的虚拟环境,你也可以叫别的名字)
     *  输完回车显示（**输入y**，他就开始帮你创建这个虚拟环境了）  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 8]
     *  同时你进入**Anaconda Navigator** 也可以看到新建的虚拟环境 （这步可不操作）  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 9]
 *  创建完虚拟环境以后，他会跳出下图
    
        activate tensorflow-gpu
 *  输入 **activate tensorflow-gpu（你之前创建的虚拟环境名）** 就好，意思就是你创建好了这个环境，那你得先进去这个环境才能操作吧！  
    ![在这里插入图片描述][20191024222542209.png]
 *  进入之后前面就会有个小括号了，意思是你在这个环境内了。(实际应该是tensorflow-gpu）  
    ![在这里插入图片描述][20191024222615113.png]
 *  这边建议你先更新一下pip，不然后面装包可能由于pip版本太低容易报错（复制下面这句话就好）
    
        python -m pip install --upgrade pip
 *  然后在命令行窗口中继续复制以下语句（安装cpu版本），输完记得回车，根据你的选择输入下面的语句
    
     *  安装指定gpu版本的tensorflow（最好这样装）
     *  **tensorflow版本太高了需要你的显卡配置也要好，或者Tensorflow-gpu版本与cudnn版本不兼容，虽然我们现在还没装过CUDA和cnDNN**
    
        pip install tensorflow-gpu==对应的版本号
    
     *  安装最新gpu版本的tensorflow （目前是2.0的）
    
        pip install --ignore-installed --upgrade tensorflow-gpu
    
     *  如果网速慢，加上豆瓣源即可（装的是2.0版本的哦)，可以自己改版本号
        
            pip install tensorflow-gpu==2.0.0-beta0 -i https://pypi.doubanio.com/simple
     *  这就开始了》》》》》》》》》》》（大概20分钟左右）  
        ![在这里插入图片描述][20191024222718572.png]
 *  显示Successfully就可以进行下一个步骤了。

--------------------

### 3 .下载和安装CUDA ###

*  在这之前可以根据已经装好的tensorflow-gpu版本查看与你装的版本对应的CUDA和cuDNN版本
    
     *  查看路径，在Python安装路径下进入tensorflow\\python\\platform打开build\_info.py
        
        ![在这里插入图片描述][20191024222740335.png]
     *  该文件显示了已经安装好TensorFlow-gpu匹配的CUDA和cuDNN版本，就下面的下就可以
        
        ![在这里插入图片描述][20191024222753448.png]
 *  CUDA官方下载地址：[点击这里][Link 2]
    
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 10]
 *  安装CUDA，安装完就好，如果出现黄色叹号，继续安装就好。
    
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 11]
    
     *  测试是否安装成功 ？ 命令行输入：nvcc -V
    
    ![在这里插入图片描述][20191024222833684.png]

--------------------

### 4 .下载和安装cuDNN（这里不用安装，只需要配置） ###

*  下载cuDNN（会叫你先注册一下NVIDIA账号，才能下载）
    
     *  cuDNN官方下载地址：[点击这里][Link 3]
     *  下载下面画圈的版本就好，比较保守
        
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 12]
 *  **下载完成的到一个`cudnn-9.0-windows10-x64-v7`的压缩文件夹**
    
     *  先解压，里面有三个文件：bin, include, lib
     *  复制这三个到下图的位置，覆盖里面原有的
        
         *  路径：C:\\ProgramData\\NVIDIA GPU Computing Toolkit\\v9.0
         *  我的路径是：C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v9.0
    
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 13]
    
     *  然后配置环境变量（我看有些博客不配也可以，保险一点还是配置一下）：
    
    右击我的电脑——属性——高级系统设置 ——环境变量——系统变量——新建
    
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 14]
    
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 15]
    
     *  将之前复制完成的bin文件路径，复制进去
        
         *  C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v9.0\\bin
        
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 16]
 *  前几个步骤到这里就完成了

--------------------

### 5.最后测试 ###

*  详细过程在最后图片中有
 *  复制下面的代码即可
    
     *  装了2.0版本及以上的版本复制这里

*   *  tensorflow 2.0 以下的版本复制这里

# 这个是大部分博客都有的验证代码
    
    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))

*  结果是这样就Congratulation了（**成功麻烦点赞支持一下哦！！！**）

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 17]

--------------------

\--------------------欢迎进入深度学习的世界-----------------

[20191024220741427.png]: /images/20210511/8e2285d06579472f889d347e04493f6a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70]: /images/20210511/69caa15f1b8f49168add4668ceed3292.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 1]: /images/20210511/6d402d0e469444d2a1a3871fc5076250.png
[20191024224453698.png]: /images/20210511/82e32c879cc44a498686beaf6f6477ff.png
[20191024221739727.png]: /images/20210511/588280b42b8a48448be19aeda4b9ae61.png
[20191024221831558.png]: /images/20210511/2b4423e6e3064a2bbf3fac108f9d964d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 2]: /images/20210511/349d931cc128435dbde505e5a86c4d4b.png
[ok]: https://blog.csdn.net/lincoco49/article/details/85381383
[20191024222000404.png]: /images/20210511/2a5171e25bd94052a4cf5cc8f6efaf02.png
[20191024222030484.png]: /images/20210511/78afa53939da4eabac8af7eb6a1e7958.png
[VS 2015]: https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 3]: /images/20210511/44077a0293ba42ff83e274f11ad6e20d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 4]: /images/20210511/ac71d15c76c04a058998527f9f8aaf12.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 5]: /images/20210511/3980abe5d73c4e00bb4076812e21d15a.png
[Link 1]: https://blog.csdn.net/github_35160620/article/details/53346687
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 6]: /images/20210511/58ad2fab0e1645bc860b9625f78b95cf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 7]: /images/20210511/a887e1b8a01a450a8eef08a9447dde11.png
[20191024222400950.png]: /images/20210511/8e207cb423434e88b6a0dc1d359abf3f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 8]: /images/20210511/a84718ce460548a5a7773b5e5e232133.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 9]: /images/20210511/2273f403a616452fa8d968097512bacf.png
[20191024222542209.png]: /images/20210511/99f2bf803c5547a1b08d5a2aabd3429f.png
[20191024222615113.png]: /images/20210511/8daf4657df374d01904df7b70974d247.png
[20191024222718572.png]: /images/20210511/5097ecb580ed4a389fb229a0e80d5789.png
[20191024222740335.png]: /images/20210511/40219cbdd02546168c2b72874283a69a.png
[20191024222753448.png]: /images/20210511/6133a4fed2f34ef0a646b07e2c263ac7.png
[Link 2]: https://developer.nvidia.com/cuda-90-download-archive?tdsourcetag=s_pctim_aiomsg
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 10]: /images/20210511/946e2ec598ba48c5a0e2682e4619191a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 11]: /images/20210511/750d96ab42e245709575a64bb93450db.png
[20191024222833684.png]: /images/20210511/205f02a0236a4c118195d878aa4a04dc.png
[Link 3]: https://developer.nvidia.com/rdp/cudnn-archive#a-collapse705-9
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 12]: /images/20210511/426c7dc079b249448da9bba4168f420a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 13]: /images/20210511/2b9550a4b12341f7b639d73549a5e891.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 14]: /images/20210511/da8948d4c2fa463585580f90c9c8fb71.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 15]: /images/20210511/2fc8b3a65a5f4b45b7401338e7b41638.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 16]: /images/20210511/caa1919fcc5641caad9d6ee08be130d7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDkxMjE1OQ_size_16_color_FFFFFF_t_70 17]: /images/20210511/94fa3fdbefd1423d917e4610abe6705e.png