Anaconda平台下从0到1安装TensorFlow环境详细教程(Windows10+Python)

1.安装Anaconda

Anaconda下载链接：Free Download | Anaconda

下载完成之后，开始安装，修改安装路径至指定文件夹下，由于安装过程比较简单，此处略过；

2.TensorFlow使用时可以采用CPU，也可采用GPU，此处使用带有独立显卡的计算机进行演示（不带独立显卡的计算机，可以直接从第3步开始）

 在安装之前，我们需要如下准备工作

2.1 确定电脑的独显GPU型号，查看方式如下：搜索–计算机管理–设备管理器–显示适配器；如下图所示，我的显卡型号是RTX4060；

2.2 通过命令行输入NVIDIA-smi，获取自己计算机的CUDA版本（此处可能会有疑惑，不用纠结，跟着操作，后面就懂了），此处我计算机的CUDA版本为12.2，那么我电脑支持的CUDA版本≤12.2（只能支持低版本的，不能支持更高版本的）；

2.3 知道自己能支持哪些版本的CUDA了，接下来确定自己电脑将要安装哪一版本的TensorFlow，有一个经过TensorFlow官方测试的构建配置表，链接如下：https://tensorflow.google.cn/install/source_windows?hl=zh-cn#tested_build_configurations

（已经经过测试的版本配置，可能后期遇到的问题会少一些，对初学者比较友好），我这里计划使用的是TensorFlow_gpu_2.6.0的版本；（该TF版本需要的CUDA版本为11.2，我的计算机GPU满足配置需求，那么对应的cuDNN版本为8.1，Python版本为2.6-3.9，注意：以上信息在后面会用到）

2.4 接下来就需要下载对应版本的CUDA（11.2）和cuDNN（8.1），CUDA下载链接如下：https://developer.nvidia.com/cuda-toolkit-archive

根据自己的需求进行如下选择，我的计算机为Windows11（与Windows10版本兼容）

下载完成后双击安装即可（根据自己的需求更改安装路径，注意：此时的安装路径需记住，后面需要修改 环境变量Path 会用到）；

cuDNN安装链接如下：https://developer.nvidia.com/rdp/cudnn-archive

2.5 CUDA安装结束后，搜索–编辑系统环境变量–环境变量–系统变量–Path中生成两个新的环境变量，还需要另外添加两个：如下图所示

 2.6 把下载的cuDNN压缩包解压出来，将文件复制到CUDA路径中（我的路径为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2 ）

至此计算机中调用GPU相关的配置就结束了；

3.在Anaconda，中配置一个新的供TensorFlow使用的环境

3.1 我将其命名为Test，注意：此时的Python版本选择3.6.13；

3.2 创建Test环境后，右击打开Terminal窗口，此时才开始TensorFlow的真正安装；

3.3 按照TensorFlow官网的提示，先升级pip

指令如下：

pip install --upgrade pip

3.4 安装TensorFlow：版本为tensorflow-2.6.2（），pip镜像源我选择的是清华源（豆瓣源、阿里源等均可），清华源链接如下：Links for tensorflow (tsinghua.edu.cn)

指令如下：

pip install tensorflow-2.6.2-cp36-cp36m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

4.至此安装结束，接下来测试一下：

import tensorflow

TensorFlow安装完成