Tensorflow 记录

环境配置

下面将提供两种环境安装，如果你在使用 python 时对其他 python版本 也有需要，则建议选择第一种方式（Anaconda环境）
如果没有其他版本和环境需求，旨在单纯学习 Tensorflow ，可以选择方式二，直接安装一个 python 在你的电脑上，需要注意方式二可能会占用 1-3G 的 C 盘空间来当作环境

本文中使用版本为 Tensorflow-2.5.0，若想安装其他版本可参考下面的编译配置表

环境配置

去 Anaconda 官网下载 Anaconda3，将其安装在电脑上（建议勾选环境变量）
这里直接使用 Anaconda3 自带的安装完成可以直接使用的 Anaconda Powershell prompt，在开始菜单即可找到
在 Powershell prompt 中打开，稍等加载后，开头出现 (base) ，表面已进入默认环境

添加清华镜像源，提高各类 python 安装包的下载速度

1	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

此时可以开始创建一个环境
1
conda create -n tensorflow2.5 python==3.8 numpy==1.19.5 pandas matplotlib
主要参数 conda create -n <环境名称(自定义)> <需要安装各类包，==可选择对应版本，默认最新>
激活环境，保证 prompt 前面的 (base) 切换为你的环境名称 (tensorflow2.5)
1
activate tensorflow2.5

在当前的开发环境下安装 Tensorflow

1	pip install tensorflow==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

在 Python 官网下载符合要求版本的 python，建议版本 python3.8
将其安装在电脑上，安装时建议勾选环境变量 (path) 与 pip 下载工具

直接使用 pip install 安装需要的包，可参考方式一安装

1	pip install <包名称，可选择对应版本> -i https://pypi.tuna.tsinghua.edu.cn/simple

如果你的显卡为 NVIDIA，且你希望选择用你的显卡来进行计算，则可以选择安装 GPU版本，两者并不冲突，但仍然建议你重新创建一个新的开发环境来安装它

1	pip install tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

选装GPU版本的其他操作

安装好 GPU 版本后，你需要根据你电脑的显卡型号以及 Tensorflow 版本选择对应的 cuDNN和 CUDA 加速

安装显卡驱动
在官网 NVIDIA Driver Downloads 下载对应的显卡驱动
选择对应的 cuDNN 与 CUDA
官方网站：
CUDA Toolkit Archive
NVIDIA cuDNN
这里只说明一下 cuDNN 的安装，cuDNN 下载完成后为压缩包格式，解压后进行如下操作

cuDNN安装

解压后如下图所示
将这三个目录复制到之前 CUDA 的安装目录下
配置环境变量
将 CUDA 安装目录下的 /extras/CUPTI/lib64 这个目录添加到环境变量中去

安装完成后进行测试是否能够使用，最后输出 exit() 退出 python 即可

conda activate tensorflow2.5
python
import tensorflow as tf
tf.__version__; tf.config.list_physical_devices('GPU')

testGPU

这里如果你使用的版本与我相同，我已将 cuDNN 与 CUDA 打包在云盘提供下载
由于阿里云盘限制分享压缩包格式，我将 cuDNN 压制成 EXE 自解压文件，解压即可使用
戳此处：阿里云盘链接

安装中可能遇到的问题

此处记录了安装中可能遇到的部分问题和对应解决方式，对于未记载的相关问题，可以通过邮件发送报错和截图，在找到解决方式后会在24小时内更新至文章中

问题：
pip安装时遇见版本依赖报错
原因：
相关联的包安装的版本不对应导致错误，主要产生问题的包有 numpy、pandas、matplotlib、tensorflow
解决方式：
安装对应的包版本，例如上面的报错，提示在安装完成 tensorflow 包后，pandas-1.5.3 版本需要 numpy 版本 >=1.20.3，但是我的 tensorflow-2.5.0 需要版本 1.19.5，为此这里我选择了降低 pandas 版本，第二条同理，如果你和我一样使用的版本为 tensorflow-2.5.0 ，可以同样适用
卸载当前版本，安装对应版本
1
2
3
4
pip uninstall pandas
pip install pandas==1.4
pip uninstall matplotlib
pip install matplotlib==3.6.2

问题：
cudart64_110.dll 文件无法加载
原因：
使用了部分特定版本或较为早期版本的tensorflow，其中缺失或无法加载此文件
解决方式：
正常情况下，此 DLL 文件安装完成后会出现在 CUDA 安装目录下的 bin 目录中，可以查看是否存在此文件，不存在则添加之，存在可以将其复制至 C:/Windows/System32 目录下，之后重新尝试或重启电脑后尝试
这里如果你使用的版本与我相同，我已将 CUDA 中文件提出，打包在云盘提供下载
戳此处：阿里云盘链接

这里什么都没有哦 …

Tensorflow配置表

此处整理了截至 tensorflow-2.11.0 以及之前的对应版本表，具体可访问 Tensorflow官网来查看最新的版本配置

Version	Python version	Compiler	Build tools
tensorflow-2.11.0	3.7-3.10	MSVC 2019	Bazel 5.3.0
tensorflow-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1
tensorflow-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0
tensorflow-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1
tensorflow-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2
tensorflow-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2
tensorflow-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2
tensorflow-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0
tensorflow-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0
tensorflow-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0
tensorflow-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1
tensorflow-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1
tensorflow-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1
tensorflow-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2
tensorflow-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0
tensorflow-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0
tensorflow-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0
tensorflow-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3
tensorflow-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-2.11.0	3.7-3.10	MSVC 2019	Bazel 5.3.0	8.1	11.2
tensorflow_gpu-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1	8.1	11.2
tensorflow_gpu-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0	8.1	11.2
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.1	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8