Window&Linux多CUDA環境安裝不用愁啦

Windows 安裝 conda安裝 tf2.0

因爲tf2需要cuda10，本人一直在用cuda9.2的1.x版本tensorflow。

此方法能有效避免系統python版本和pip包覆蓋問題，還能成功安裝多個版本的cuda

安裝工具：Miniconda、PC

1.下載conda（miniconda更簡潔，節省內存）

多個版本下載地址，自取~

Windows 下載地址

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Windows-x86_64.exe

Linux 下載地址

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.12-Linux-x86_64.sh

Mac 下載地址

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-MacOSX-x86_64.pkg

2.安裝Miniconda

主要要注意這個地方，其他地方默認設置就好：如果是自帶有python，請不要勾選，避免出現python版本覆蓋問題；第一個選項可以不選，但後期要自己再設置

這裏路徑我選的是D:\Miniconda3

3.設置conda安裝源

安裝源文件位置：

Windows 源文件路徑

 C:\Users\Administrator.condarc

Linux 源文件路徑

~/.condarc

（1）打開 Anaconda Prompt

（2）清華源配置

依次在 Anaconda Prompt 或 Terminator中輸入

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

（3）本人安裝成功配置

直接複製即可食用哦~

ssl_verify: true
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
show_channel_urls: true

4.conda指令創建環境

四步走：創建—激活—安裝—測試

（1）創建新的conda環境

安裝python36虛擬環境，因爲是gpu環境取名tf2g

conda create -n tf2g python=3.6

（2）激活環境

conda activate tf2g

（3）安裝cuda及tensorflow2.0

若存在舊版本cuda，直接到以下官網鏈接下載安裝不同版本的CUDA和cudnn就OK。安裝cpu版直接第二條指令不加gpu

手動安裝CUDA和cudnn

下載cuda 10

cuda 10.0下載網址

https://developer.nvidia.com/cuda-10.0-download-archive

cudnn下載網址（找到相對應的cuda版本下載，需註冊）

https://developer.nvidia.com/rdp/cudnn-archive

精簡安裝即可，複製cudnn 7.6.5的三個文件夾到如下路徑

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

本人同時存在的多個CUDA版本

cuda 9.2 與 cuda10.0共存

這裏不用擔心CUDA版本衝突，不同虛擬環境對應的tensorflow-gpu會找到對應的CUDA版本使用

---

這條指令經嘗試會報 CUDA版本不對應的錯誤，如圖

conda install cudatoolkit=10.0 cudnn

tensorflow2.0安裝

conda install tensorflow-gpu==2.0.0

（4）測試環境

當前命令行輸入python，進入python執行以下指令：

python

import tensorflow as tf    # tensorflow包導入

tf.__version__      # 查看版本

tf.test.is_gpu_available()  # 檢查是否可以GPU加速

友情提示：

精簡安裝cuda時已自動配置好環境變量，只需要在conda中配置新的虛擬環境並下載安裝對應的CUDA版本即可。

分別顯示 2.0.0和True ，如圖安裝成功!