在python3.8和pytorch1.8.1的基础上安装tensorflow

以往看的模型都是用pytorch跑就行，但是看到的一个创新点是用tensorflow跑的，迫于无奈，如果想要融入进去就得安装TensorFlow...

根据官网的指示，使用 tensorflow2 的 python 版本应当大于 3.5

如果使用 python 3.8，那么 Tensorflow 版本要大于 2.2

最大的感悟是，正确是安装思路应该是：

了解阶段：设备情况----> 能接受的最大cuda/cudnn版本---->pytorch/tensorflow版本。

版本选择阶段：先确定好想安装的pytorch/tensorflow版本---->确定其他配件的版本

最后再从底层文件依次安装。

每次根据电脑性能选择了，接受范围内最适配的底层包进行安装，最后都会发现，我想要安装的最终文件要求更高。又是苟且安装成功的一天...

一、下载cudnn

一定要选好恰当的版本。

下载网址：https://developer.nvidia.com/rdp/cudnn-archive（需要注册 NVIDIA 开发者账号并加入开发者计划（免费））

解压结果如下：

1.打开cuda的安装目录（我的版本是11.1）：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

2.将解压出来的三个文件夹 复制到cuda

此处利用管理者权限选择**"替换"**

python 复制代码

pip install tensorflow-gpu==2.4.0 -i https://mirrors.aliyun.com/pypi/simple  # 阿里云镜像

需要注意的是，一定要写tensorflow-gpu==2.4.0 而不是 "tensorflow==2.4.0"

接下来验证tensorflow是否安装成功。

python 复制代码

python # 输入python进入代码编写界面

import tensorflow as tf  # 导入库
tf.__version__  # 查看版本号

最后测试GPU情况

python 复制代码

tf.test.is_gpu_available()

然鹅没成功，返回"False"了。

观察发现报错原因：缺少了某些 CUDA 库文件（尤其是 cusolver64_10.dll）

打开cuda安装目录下的bin文件，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin。

将**"cusolver64_11.dll" 文件复制重命名为 cusolver64_10.dll**即可

再次运行测试代码，返回True。

小插曲：

tensorflow安装成功了，但是numpy和pandas、matplotlib之间的版本依赖关系出现了错误。

模拟一下安装过程检查版本依赖，

python 复制代码

pip install --dry-run matplotlib==3.3.4 pandas==1.2.5 multidict==5.2.0  # 模拟一下安装过程检查版本依赖

没有报错就直接安装了。

安装pydoe，直接安装即可

python 复制代码

pip install pyDOE -i https://mirrors.aliyun.com/pypi/simple