配置 TensorFlow (CPU/GPU) 的软件环境

Dong

本篇文章由 VeriMake 旧版论坛中备份出的原帖的 Markdown 源码生成

原帖标题为：**配置 TensorFlow (CPU/GPU) 的软件环境 **
原帖网址为：~~https://verimake.com/topics/105~~ （旧版论坛网址，已失效）

原帖作者为：karb0n（旧版论坛 id = 39，注册于 2020-05-04 19:27:42）
原帖由作者初次发表于 2020-06-03 01:25:02，最后编辑于 2020-06-03 01:25:02（编辑时间可能不准确）

截至 2021-12-18 14:27:30 备份数据库时，原帖已获得 1804 次浏览、2 个点赞、0 条回复

配置 TensorFlow(CPU/GPU) 的软件环境

引言

本教程以 Windows 10 为例，从什么都没装开始，介绍了如何配置好 TensorFlow 1.15.0 软件环境的方法。如果你的系统是 macOS 或者 Linux，部分步骤可能略有不同但是大同小异。
配置完成后，能够使用该版本的 TensorFlow 和相关依赖包，在较少出现版本问题的前提下，复现互联网上大部分相关的教程和开源代码。

1. 安装 VS Code

VS Code 是一款现代化的代码编辑器，功能强大，体积轻量，外观好看。经过配置，可作为几乎任何语言的开发环境。

如已安装请跳至第2节

在 VS Code 官网根据你的系统，下载安装包，打开，根据安装包说明进行安装。
安装完成后，默认为英文界面，如需更改为中文请点击左侧 Extensions 按钮，搜索 Chinese，安装简体中文插件，然后重新打开 VS Code 即可。

2. 安装 Anaconda

Anaconda 是一款包管理器，借助它，你可以更容易地配置和管理 Python 或 R 的依赖包，并且可以分别创建和管理多个虚拟环境，以实现多种环境共存。

如已安装请跳至第3节

2.1 安装

Anaconda 的最新版本可在官网下载，但是某些后续需要用到的包可能对最新版本的 Python 适配不佳，所以更推荐安装 Python 默认版本为 3.6 的 Anaconda3-5.2.0。当然，在较新版本的 Anaconda 中创建 Python 3.6 的虚拟环境也是可以的。

Anaconda3-5.2.0 安装包的下载链接：

Windows：Anaconda3-5.2.0-Windows-x86_64.exe (631.3 MiB)
macOS：Anaconda3-5.2.0-MacOSX-x86_64.pkg (613.1 MiB)
其它版本可见：Anaconda installer archive

下载完成后，打开安装包，根据安装包说明进行安装。
安装完成后，Windows 用户在开始菜单中找到 Anaconda Prompt 并打开，其它系统的用户直接打开终端，即可进入命令行开始使用 Anaconda，输入 conda -V 能显示版本号即说明安装正常。

2.2 更改下载源

要注意的是，在国内访问 conda 默认的下载源速度较慢，我们可以通过设置更改镜像源，从国内镜像站点下载，提高下载速度。

在 conda 命令行输入

conda config --set show_channel_urls yes

然后，打开你的用户目录（Windows 10 用户为 C:/Users/你的用户名/，Linux 和 macOS 用户为 ~/），会发现用户目录下有一个 .condarc 文件，打开它，以清华源为例，将内容更改为

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

保存，即完成，可以通过清华镜像站来加速下载相关文件。

2.3 在 VS Code 中配置基于 Anaconda 的 Python 运行环境

打开 VS Code 的扩展页面，依次搜索并安装两个扩展包：

Code Runner
Python

然后打开任意一个 .py 文件，右键代码编辑区域，选择 在终端中运行 Python 文件，第一次运行会在右下角弹窗提示设置 Python 路径，根据提示设置完成后再次点击运行，即可在 VS Code 中运行你的 Python 程序。

3. 安装 TensorFlow

TensorFlow 是谷歌主导开发的开源机器学习框架，提供了许多封装好的代码，能够使开发者更为容易地进行机器学习相关程序的开发。
TensorFlow 分为 CPU 版本和 GPU 版本，如果你的电脑装有 860m、950m、1050mq 或更高的 NVIDIA 显卡，且操作系统为 Windows 或 Linux，可尝试安装 GPU 版本以获得更快的运算速度。

在 Anaconda 中，创建一个名为 tfconda 的环境，Python 版本限定为 3.6

conda create -n tfconda python=3.6  # "tfconda"是个自定义的名字，可以改

进入名为tfconda的环境

activate tfconda  # "tfconda"是个自定义的名字，上一步怎样命名这一步就填什么

根据你的需求，选择下列两者之一：

安装 CPU 版 TensorFlow，版本限定为1.15

conda install tensorflow=1.15  # 这个装的是 CPU 版本

安装 GPU 版 TensorFlow，版本限定为1.15
先更新 NVIDIA 显卡驱动至较新的版本，然后
```
conda install tensorflow-gpu=1.15  # 这个装的是 GPU 版本
```

安装完成后，创建一个 .py 文件，填入以下内容

import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))

在 VS Code 中使用新创建的环境运行该文件，如果能够成功看到终端中打印了"hello,tensorflow"，即说明安装成功。

（图片为 GPU 版的测试效果，CPU 版也能正常看到打印的"hello,tensorflow"，但不会显示这么多和显卡相关的提示）

4. 安装其它可选包

以进行图像分类任务为例，接下来还需安装以下软件包，才可最终正常运行相关的示例代码。

进入刚才安装好 TensorFlow 的 conda 环境，然后一条一条输入下列指令，分别安装各个包。

conda install numpy

conda install matplotlib

conda install pillow

conda install opencv

conda install pandas

5. 后续的使用方法

在命令行中使用该环境
仅需在运行前输入 activate tfconda 激活该环境即可。
在 VS Code 中使用该环境
点击 VS Code 左下角的 Python 解释器名称，然后在弹出的框中选择你刚才配置好的 tfconda 环境即可。
在 VS Code 中选择 tfconda
在 Jupyter 中使用该环境
在命令行中先输入 activate tfconda 激活该环境，再启动 Jupyter 即可。