2020年Tensorflow2-GPU 完整安裝過程總結
Tensorflow2.1將是最後一個支持python2的版本。tensorflow2.1增加了對TPU的支持，同時tf.keras和tf.data這兩個常用的API也得到了很多新的更新。Tensorflow2.1的cuda版本爲10.1，cuDNN版本爲7.6.
Windows 和 Linux 系統的 TensorFlow pip 版本默認支持 GPU。也就是說，如果使用 pip install tensorflow，則版本默認爲是 gpu 版本（原始的 tensorflow-gpu 版本依然存在）。當然，不管有沒有英偉達版本的 GPU，tensorflow 依然能夠運行。
系統要求:
- Python 3.5-3.7
- pip 19.0 或更高版本（需要
manylinux2010支持） - Ubuntu 16.04 或更高版本（64 位）
- macOS 10.12.6 (Sierra) 或更高版本（64 位）（不支持 GPU）
- Windows 7 或更高版本（64 位）（僅支持 Python 3）
- Raspbian 9.0 或更高版本
- GPU 支持需要使用支持 CUDA® 的卡（適用於 Ubuntu 和 Windows）
注意：必須使用最新版本的 pip，才能安裝 TensorFlow 2。
硬件要求:
支持以下帶有 GPU 的設備：
- CUDA® 計算能力爲 3.5 或更高的 NVIDIA® GPU 卡。請參閱支持 CUDA 的 GPU 卡列表。
軟件要求:
必須在系統中安裝以下 NVIDIA® 軟件：
-
NVIDIA® GPU 驅動程序：CUDA 10.1 需要 418.x 或更高版本。
-
CUDA® 工具包：TensorFlow 支持 CUDA 10.1（TensorFlow 2.1.0 及更高版本）
-
CUDA 工具包附帶的 CUPTI。
-
cuDNN SDK（7.6 及更高版本）
-
（可選）TensorRT 6.0，可縮短在某些模型上進行推斷的延遲並提高吞吐量。
# 使用下列終端命令，查看相關信息 nvidia-smi
驅動版本不夠，就自行進行更新。然後下載CUDA，cuDNN工具包。這裏的CUPTI是包含再CUDA中的。不方便下載的，在這裏戳我：[email protected]
CUDA安裝：（10.1）
直接運行.exe文件，第一個目錄爲extraction，這個是指文件提取目錄，不是安裝目錄。注意區分！！！
選擇自定義高級，接下來的目錄爲正式的安裝目錄，記下來。需要配置環境變量！！！！！沒有VS的，直接忽略即可。
cuDNN安裝：（7.6）
準確的說，是cuDNN解壓，下載壓縮包文件之後，進行解壓，放到你指定的目錄下。需要配置環境變量。
上述兩項完成之後，進行環境變量的配置！！！將 CUDA、CUPTI 和 cuDNN 安裝目錄添加到 %PATH% 環境變量中。
例如我的安裝路徑爲：（看自己情況，不要苟同）
CUDA 工具包安裝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，同時 cuDNN 安裝到 C:\tools\cuda，請更新 %PATH% 以匹配路徑：
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%
操作方法爲：找到path環境變量>編輯>新建>然後多次確認。可能會發現，再安裝完CUDA之後，上述有些環境變量已經存在path中了，那就不管這些已經存在的，繼續把沒有出現的添加到環境變量就好了。
使用pip進行安裝tensorflow2:
個人是新建了虛擬環境，名爲tensorflow(你自己隨便取)。過程如下:
# 1.查看當前有那些虛擬環境
conda info --envs
# 2.新建名爲tensorflow的虛擬環境
conda create --name tensorflow python=3.7
# 3.激活虛擬環境tensorflow
conda activate tensorflow
激活新建的虛擬環境tensorflow之後，效果如上圖：
# 4.再當前的虛擬環境中安裝tensorflow，我是用清華源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
這裏的some-package是指你要安裝的包名，這裏我要安裝tensorflow。注意，這裏是包名，雖然這裏我的包名和虛擬環境名字一樣，注意區分！！！！
安裝完之後，可以查看當前虛擬環境中有哪些包：
# 查看包列表
conda list
可以看到，已經安裝好了。
# 5.將虛擬環境tensorflow添加到jupyter notebook 內核中
# 在當前的名爲tensorflow虛擬環境中安裝好ipykernel
conda install ipykernel
# 6.向jupyter notebook中添加內核，這裏的tensorflow爲虛擬環境名。
python -m ipykernel install --name tensorflow
# 7.打開jupyter notebook,你會驚奇的發現，這裏變了
新建notebook,在new>tensorflow，這樣一來，內核就是你新建的tensorflow
# 8.測試tensorflow安裝成功與否
import tensorflow as tf
print(tf.test.is_gpu_available())
# 上述結果
WARNING:tensorflow:From <ipython-input-1-46ff889b56b7>:2: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.
Instructions for updating:
Use `tf.config.list_physical_devices('GPU')` instead.
True
說明GPU是可用的，這裏的警告是說，這個測試命令即將被拋棄，應該使用tf.config.list_physical_devices(‘GPU’)，如下：
import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
# 結果爲
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
好了，測試通過。再來一個程序跑一下：
# 測試程序
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
# 結果爲
GPU True
tf.Tensor(6.0, shape=(), dtype=float32)
好了，安裝測試完成，開始使用。