深度学习之tensorflow:tensorflow-cpu;win10+gtx1050ti+tensorflow-gpu搭建过程以及问题解决

对于tensorflow-cpu和gpu安装，可谓是入坑颇深，虽然入坑之前看了许多关于安装的方法，但是对于目前版本的安装还是有些不同，经过一次次的尝试，终于探索成功，好了，让我们开始安装。

安装的前序工作

我们需要理解此次安装需要用到工具-----Anaconda
Anaconda的具体用途在这里我们不做详细的介绍，但我们要清楚我们安装在自己电脑上的软件有什么用处。
Anaconda是一个集成性平台，包含很多科学包，所以我们安装Anaconda平台来使用这些科学包。而且Anaconda中自带python，因此可以使用python中内置的大量库函数，还可以使用众多科学包。

Anaconda的安装

关于Anaconda的安装，许多文章中步骤也很详细，大家都可以借鉴，在这我着重详细的说明对于Anaconda目前最新版本的安装

进入Anaconda官网（https://www.anaconda.com/distribution/）下载 windows+Python 3.7 version+64-Bit Graphical Installer

进入安装包安装，next–
路径选择

如果C盘空间充足，默认路径安装，在后续工作中不需要过多设置环境变量.否则，选择其他盘,\Anaconda3,
next之后，加入环境变量和使用python3.7两个选项全部勾选，进行安装。
安装好之后，开始菜单进入Anaconda3目录 打开Anaconda Prompt

创建python的虚拟环境
首先检查python版，注意有些小伙伴可能会打开命令行窗口（win+r+cmd），输入python，如下图

出现这样的情况是因为自身系统没有安装python，此时的python是Anaconda中自带的python3.7，所以存在于conda的环境中，这里无伤大雅，我们继续。
在Anaconda Prompt中打开输入python，显示就很正常啦。

退出python环境。
命令：conda create -n tensorflow-cpu python=3.7,依照提示完成安装。注意特别是对于新手小白来说，到这一步还没有安装tensorflow，只是创建了tensorflow的环境。
安装tensorflow-cpu
首先进入tensorflow的环境下，命令：activate tensorflow
接着执行命令：pip install --ignore-installed --upgrade tensorflow
这里说一下可能出现的问题

1. 首先呢，以往的安装教程中，所使用的清华镜像源的方法，就目前而言,不能使用了。所以提供两种方法①挂v*n，直接下载，可以成功②去网上找以前下载过的镜像包，进行导入，具体方法，在之前版本的tensorflow安装教程中有详细谈到，这里我们不细说。
2. 如果安装出现以下错误
   
   解决办法：命令：pip --default-timeout=100 install -U pip
   如果一直你都很顺利，那么恭喜你，tensorflow的cpu版本基本完成了。
   接下来我们需要验证：进入tensorflow-cpu环境，输入python
   执行命令：import tensorflow as tf
   hello = tf.constant(‘Hello, TensorFlow!’)
   sess = tf.Session()
   print(sess.run(hello))
   注意不要在base下直接输入python，因为tensorflow是安装在了tensorflow-cpu的环境下，所以直接输入python执行命令会报错，
   
   出现如图所示，说明你的tensorflow-cpu安装好了。
   下面我们来介绍tensorflow-GPU版本的安装。
   首先你需要一个英伟达Nvidia的显卡，你还需要知道你的显卡所对应的cuda版本。
   因为我的显卡是gtx1050ti（电脑入手比较早，没有更好的显卡），在NVIDIA的官网查询不到，难道就不能使用GPU版本了吗 ？
   当然不是，大部分都是可以的。
   右键桌面，选择NVIDIA控制面板，或者去控制面板中找到，进入后，点击帮助，选择系统信息，点击组件，查看cuda版本
   
   可以发现，我的显卡所对应的cuda版本是10.2,但目前最新版本是10.1（至于为什么超版本的原因，我也不知道hh）
   安装cuda
   进入官网下载(https://developer.nvidia.com/cuda-downloads)
   如图进行下载，安装cuda，建议默认路径安装。
   安装之后，验证cuda
   进入命令行窗口，输入nvcc -V
   
   我当时安装的是cuda10.0版本，如果10.1版本会出错，那么可以跟我一样安装cuda10.0，
   安装cudnn(https://developer.nvidia.com/rdp/cudnn-archive)
   cudnn是cuda的一个加速工具，所以cudnn的安装很简单
   
   打开下载好的cudnn文件夹，将bin，include，lib三个文件夹移动到cuda的安装目录下，替换掉cuda自身的这三个文件夹
   cuda默认安装路径下的文件夹位置
   替换掉之后，cudnn就安装好了 注意一定要安装对应cuda版本的cudnn。
   安装tensorflow-GPU
   方法与cpu类似
   首先创建虚拟环境 conda create -n tensorflow-gpu python=3.7
   安装好之后进入环境，activate tensorflow-gpu
   输入命令：pip install --ignore-installed --upgrade tensorflow-gpu
   还是老话，挂v*n或者导入镜像。
   一切顺利的话，tensorflow的GPU版本就安装好了。
   赶紧操作起来去试一下你的tensorflow平台把！