TensorFlow2.1.0最新版本安装详细教程
⽬录
安装步骤
常⽤IDE安装
js转lua工具
CUDA安装
CUDA软件安装
cuDNN神经⽹络加速库安装
配置环境变量
TensorFlow安装
TensorFlow是⼀款优秀的深度学习框架，⽀持多种常见的操作系统，例如Windows10，Mac Os等等，同时也⽀持运⾏在NVIDIA显卡上的GPU版本以及仅使⽤CPU进⾏运算的CPU版本。此篇教程将介绍如何安装最新版TensorFlow框架（2.1.0版本）
安装步骤
1.常⽤IDE安装
2.CUDA安装
3.cuDNN神经⽹络加速库安装
4.TensorFlow框架安装
常⽤IDE安装
mariadb应用场景
⽤户在Python官⽹上可以下载到最新版本（Python3.7）的解释器。（）Python解释器可以让⽤户利⽤Python语⾔编写的代码可以被执⾏。⽬前有许多优秀的集成开发环境（IDE）可供⽤户选择，例如PyCharm，Anaconda等。其集成了Python解释器以及开发环境、交互式命令终端等，还集成了许多常⽤的Python库。我们将使⽤Anaconda作为IDE，搭建我们的TensorFlow 框架。
我们打开Anaconda的下载页，（）选择正确的系统，选择Python最新版本的下载链接即可开始下载。
pycharm python安装教程下载完成后，我们打开Anaconda的安装包，⼀直点击next/I agree。在出现下图所⽰页⾯时（现在是Python3.7，⽤的是之前的图⽚），勾选“Add Anaconda to my PATH environment variable”。有些安装教程上不推荐勾选这⼀项。勾选此项的⽬的是给Anaconda添加环境变量，让我们的计算机能够感知到它的存在，以便我们通过命令⾏调⽤Anaconda的程序。
Anaconda的安装过程总共为5-10分钟，占⽤空间⼤⼩约为2-3GB，请先预留好磁盘空间。
安装完成后，我们来检测⼀下Anaconda是否安装成功。按下Win+R组合键，输出cmd打开命令提⽰符，键⼊conda list查看当前Python环境安装的库。若为新安装的Python环境，那么显⽰的库均为Anaconda⾃带的软件库。如果键⼊conda list命令能够返回⼀系列Python库列表信息，即说明Anaconda安装成功。若命令提⽰符⽆法识别conda命令，即说明安装失败。若之前未将Anaconda添⼊环境变量，我们打开Anaconda Prompt交互式命令终端，键⼊conda list，观察是否能够返回⼀系列Python库列表信息。
CUDA安装
CUDA是基于NVIDIA显卡的加速库，我们安装它以利于深度学习框架在NVIDIA的GPU显卡的加速运算。但在我们开始安装CUDA之前，请先确认计算机上是否有⽀持CUDA程序的NVIDIA显卡设备。如果计算机上没有NVIDIA显卡，则⽆法安装CUDA程序，应直接进⼊TensorFlow框架的安装。
CUDA的安装主要分成三个步骤。
第⼀步：下载CUDA安装包，完成CUDA软件的安装；
第⼆步：下载并配置cuDNN深度神经⽹络加速库；
第三步：配置环境变量。
CUDA软件安装
我们进⼊CUDA软件下载页，（CUDA下载页）选择 CUDA Toolkit 10.1 (Feb 2019), Online Documentation，点击之后依次选择Operating System，Version选择10，Installer Type选择exe（local），点击Download开始下载，安装包⼤⼩约为
qsort函数
2.4GB。（最新版本的TensorFlow2.1.0匹配的是10.1版本的CUDA Toolkit，因此我们下载10.1版本，否则后续TensorFlow框架的安装会出错，提⽰不到动态链接库⽂件的信息）
安装包下载完毕后，打开安装软件，在选项中选择⾃定义安装⽅式，点击NEXT按钮进⼊安装程序选择列表。在CUDA选项卡下，取消勾选“Visual Studio Intergration”⼀项。（这是因为我们并没有使⽤Visual Studio开发环境）在“Driver Components”选项卡下，⽐较当前版本信息和安装版本信息。若当前版本⾼于安装版本，则取消勾选“Display Driver”；若当前版本低于或等于安装版本，保留默认信息安装即可。
十进制数的ascii码
jquery appendto
安装完毕后，我们来测试⼀下CUDA 是否安装成功。键⼊Win+R 打开Windows 命令提⽰符，键⼊nvcc -V ，即可返回当前CUDA 的版本信息。如果Windows 命令提⽰符⽆法识别nvcc 命令，则说明安装失败。（同时也可搜索CUDA 的安装⽬录，到“”程序）
cuDNN神经⽹络加速库安装
CUDA并⾮针对于神经⽹络加速的GPU加速库，如果希望针对神经⽹络进⾏加速，我们还需要安装额外的神经⽹络加速库cuDNN。cuDNN并⾮⼀个应⽤程序，我们只需将它下载下来并解压到CUDA的bin⽬录下即可。打开cuDNN的下载页(），选择“Download cuDNN”。请注意，若要下载cuDNN，必须先登录NVIDIA的账户。因此，⽤户需要登录或者注册NVIDIA⽤户才可下载cuDNN。登录账户后，进⼊c
uDNN的下载界⾯，勾选“I Agree To the Terms of the cuDNN Software License Agreement”，即可显⽰cuDNN的下载版本选项。（请注意：我们⼀定要选择与安装的CUDA版本相匹配的cuDNN，即选择Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1）

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。