[人工智能] TensorFlow保姆级的教程---从安装到售后

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> TensorFlow保姆级的教程---从安装到售后 -> 正文阅读

[人工智能]TensorFlow保姆级的教程---从安装到售后

简述：从TensorFlow的安装，我深刻的理解了一个词叫按部就班。就是你不能跳，嫌下载的慢，节约时间提前把需要的东西都下载下来，认为它会自动兼容拼接。如果在pytorch那里还是勉强可以的，但是在TensorFlow这里，如果你和我一样是个菜狗子就不要跳，按照我掉了无数次的坑，总结出来的康庄大道走吧。当然如果你遇到了新的错误，一起分享补充，做大做强，再创辉煌。
在这里插入图片描述
第一步：
安装Python，具体安装就不写了，但这里我建议安装3.6 - 3.7版本的
原因有二：
1，轮子文件好找，如果镜像源没有实现或其他原因在线下载慢，直接弄个离线轮子文件就快了，多种方法多条路。
在这里插入图片描述
2，相较于高版本的，3.6 - 3.7更完善，在3.8 出现很久的一段时间里TensorFlow都是不支持的，现在好像能用了,anaconda里就能用，但我没有测试。

第二步：
安装运行环境，pycharm或者anaconda。
anaconda自带有Python，所以你第一步没有下载或者像我一样pycharm搭配的是py3.8的版本,像体验新事物，可以直接下一个anaconda。当然pycharm也可以使用添加anaconda下载的py版本。以安装anaconda为例：

百度网盘地址：
conda=4.8.3版本
链接：https://pan.baidu.com/s/1VPqaJ1FrW1RYiQgx_tzLzA
提取码：nqit
当然也可以到清华镜像源去下载
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/
官网下载：https://www.anaconda.com/download/
基本上anaconda安装很简单，选择好安装地址，next next，想改改路径就改改，不改默认c磁盘就好了。

检查anaconda的安装：
打开cmd 或anaconda prompt输入conda --version
在这里插入图片描述
给你的anaconda配置一个py环境
查看所有的py版本

我们就选用py3.6版本
好像默认带一个环境base有py3.6版本，这个我忘记了。我们也可以创建一个环境project为他配置一个py3.6,这个project是一个相对独立的环境，下载到这个环境中的库，其他的环境无法使用。

创建环境：conda create -n project python=3.6
激活tensflow的环境：conda activate project
tensorflow的环境添加到了Anaconda里面：conda info --envs
检测当前环境中的python的版本：python --version
退出tensorflow的环境：conda deactivate
切换到tensorflow的环境：activate project

查看所有的虚拟环境：
在这里插入图片描述

第三步：
检查显卡型号
在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。方法如下：桌面上右键单击-》点击NVIDIA控制面板-》系统信息-》组件，会看到如下的信息，当前支持的是11.0
在这里插入图片描述
对应显卡型号下载对应的cuda版本
没有的话，在NVIDIA官网搜索并安装自己电脑对应的显卡驱动
官网:https://www.nvidia.cn/Download/index.aspx?lang=cn
第四步：
安装CUDA，对应版本在文末
下载CUDA相应版本：https://developer.nvidia.com/cuda-downloads
如果需要下载CUDA的历史版本，请到这里：https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
选择精简（Express）安装，一直右击即可
安装完成后，桌面会出现一个小地球图标啊

检查cuda:
cmd输入命令：（返回版本等信息）

nvcc -V

在这里插入图片描述

第五步：
安装cudnn,对应版本在文末
下载地址：https://developer.nvidia.com/rdp/cudnn-archive
但要注册，跳过祖册的方法就是加钱！当然不是，右击你要下载的cudnn版本，选择复制链接，打开迅雷下载，虽然慢点，但不用在为那恶心网站苦恼了。
解压完成后，将对应文件夹下的东西，复制到CUDA 的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0的对应文件夹中，bin.lib,include.
在这里插入图片描述

第六步：
安装TensorFlow，对应版本在文末

pip uninstall tensorflow #卸载原来的
#下载新的
pip install  tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

测试TensorFlow：
在pycharm或在有tensorflow的project的环境下，执行命令：python后，输入

import tensorflow as tf
sess=tf.Session()
a=tf.constant(10)
b=tf.constant(20)
print(sess.run(a+b))

正常来说出现successful,和30，单不正常的话，就难搞了
在这里插入图片描述

后续报错：

报错：AttributeError: module ‘tensorflow’ has no attribute ‘Session’
问题产生的原因：是tensorflow版本不同导致的，tensorflow版本2.0无法兼容版本1.0.，改为

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
sess=tf.compat.v1.Session()
a=tf.constant(10)
b=tf.constant(20)
print(sess.run(a+b))

若出现警告E:\software\Anaconda3\lib\site-packages\h5py_init_.py:36: FutureWarning:
Conversion of the second argument of issubdtype from float to np.floating is deprecated. In future, it will be treated as np.float64 == np.dtype(float).type.from ._conv import register_converters as _register_converters
请忽略，不要看网上的攻略说降级numpy就可以。。降了以后tensorflow直接挂了，未来h5py版本升级后会解决的。
报Could not load dynamic library ‘cudnn64_7.dll’; dlerror: cudnn64_7.dll not found，未找到cudnn64_7.dll，说明你下载的cudnn版本一个是v8.*.*,应该下载v7.*.*
Could not load dynamic library ‘cusolver64_10.dll’; dlerror: cusolver64_10.dll not found，未找到cusolver64_10.dll，那就是你cuda和TensorFlow的版本不匹配，按照这个表下载对于版本。
官网查询：https://tensorflow.google.cn/install/source

测试获取GPU：

import tensorflow as tf
tf.debugging.set_log_device_placement(True)
gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)
print(gpus)
logical_gpus = tf.config.experimental.list_logical_devices('GPU')
print(logical_gpus)

2021-10-18 20:24:10.396253: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1257] Device interconnect StreamExecutor with strength 1 edge matrix:
2021-10-18 20:24:10.396498: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1263]      0 
2021-10-18 20:24:10.396650: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1276] 0:   N 
2021-10-18 20:24:10.397459: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1402] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1342 MB memory) -> physical GPU (device: 0, name: GeForce MX250, pci bus id: 0000:01:00.0, compute capability: 6.1)
[LogicalDevice(name='/device:GPU:0', device_type='GPU')]

最终得到这种全是successful的图，那就ok,收工。
在这里插入图片描述