Windows 10基于Anaconda搭建Python TensorFlow环境（CPU/GPU均给出说明）

2020-11-20 阅读量:

一、写作目的

刚把系统盘换了，重装系统后想恢复原来的TensorFlow环境，本以为半个小时能做完的事，折腾出一堆Bug，不知道是不是资料没找对，趁现在OK了，补上一篇经验贴，以备不时之需吧！

二、环境说明

基础环境：

系统版本：Windows 10 64位
显卡：NVIDIA GeForce GTX 960

目标环境：

Anaconda版本：Anaconda 3-2020.07
TensorFlow版本：1.6.0 GPU版（重点），CPU不同之处指出
Python版本：3.6.2

三、安装步骤

安装Anaconda

下载
国内下载Anaconda可能会有些慢，我们可以前往清华镜像源下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，这里几乎能找到所有版本，笔者下载了目前最新版的（x86_64即为64位系统版本，x86则为32位系统版本，个别用32位系统的注意不要下错了）
运行Anaconda安装程序
直接双击，选项全部默认
检测Anaconda环境是否正确

在开始菜单找到“Anaconda prompt (Anaconda3)”（这里切记不要选中powershell版本，否则后面会看到一些显示上的bug），直接点开，输入“conda –version”，显示如下即可确认Anaconda安装成功

配置anaconda环境源
由于Anaconda的源默认也是国外的，我们修改为国内源后续下载会比较快速，这里还是选用清华的源，在上述终端中，输入如下命令

1
2
3

conda config --show                                                                     # 查看当前源配置
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/    # 添加源
conda config --set show_channel_urls yes                                                # 设置搜索时显示通道地址

然后通过windows资源管理器，进入用户目录（通常为 “ C:\Users[计算机用户名]\ ”），能看到一个文件为“.condarc”，用记事本的方式打开（我用的Notepad++）：

请确保“.condarc”完整内容如下：

1
2
3

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

到此处，Anaconda部分就弄好了

配置Python下载源
Python默认下载源在国外，会导致pip安装很慢，我们将其切换为国内源，笔者还是采用清华的。首先我们在用户目录（通常为 “ C:\Users[计算机用户名]\ ”）新建文件夹名为“pip”，然后在pip文件夹下新建文件名为“pip.ini”（注意，Windows可能隐藏了文件扩展名，务必确保全名正确）
“pip.ini”内容如下：
1
2
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
注：windows 10显示文件扩展名（默认为隐藏状态）

接下来正式开始搭建TensorFlow环境

基于conda创建虚拟环境，Python安装版本为3.6.2，虚拟环境允许你在电脑中安装多个版本的TensorFlow、Python环境，且互不干扰

在“Anaconda prompt (Anaconda3)”中，输入如下命令：

1	conda create --name tensorflow_1_6_GPU python=3.6.2

查看当前环境名：（能看到刚才创建的环境）

注：以下命令也许对你有用（如果没有问题，这些命令暂时用不上)

conda --version                                    # 查看conda版本
conda search  --full -name python                  # 查看可选的Python版本

conda info --envs                                  # 查看已经创建的conda环境
conda create -n [环境名] python=x.x                 # 创建环境
conda remove -n [环境名] --all                      # 删除环境
conda create -n [新环境名] --clone [原有环境名]       # 克隆环境

激活环境
1
activate tensorflow_1_6_GPU
这时能看到终端提示符前面当前环境提示，由“base”变为了“tensorflow_1_6_GPU”

注：退出激活命令为 “deactivate” ，将由任意环境退出到“base”

安装TensorFlow

python -m pip install --upgrade pip    # 更新pip
pip install numpy==1.18.1

# 安装TensorFlow，CPU版本和GPU版本二选一即可！！代码使用上是一样的，有独显推荐用GPU版，个人觉得CPU太慢了。另外，AMD显卡本教程不适用！！
pip install tensorflow-gpu==1.6.0      # GPU版，温馨提示，TensorFlow 2.x和1.x不完全兼容，慎重考虑版本
pip install tensorflow==1.6.0          # CPU版，温馨提示，TensorFlow 2.x和1.x不完全兼容，慎重考虑版本

# 下面是几个可能用的上的库，可以安装一下
pip install opencv-python
pip install keras==2.2.0
pip install scikit-learn
pip install pillow

安装CUDA（如果是安装的CPU版本，这一步请跳过，GPU版本务必不要遗漏）
CUDA安装版本，应该与TensorFlow版本严格对应，下面给出对应关系表，本文所选用的TensorFlow-gpu版本为1.6.0，故CUDA版本应为9.x，如果要安装cuDNN（基于CUDA的一套库），其版本应为7.x。
可参考：https://www.tensorflow.org/install/source_windows
CUDA下载请前往官网，下面给出CUDA 9的下载网址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

下载完毕后，全部默认安装即可，至此，TensorFlow环境搭建完毕

四、测试环境

还是进入“Anaconda prompt (Anaconda3)”，激活“tensorFlow_1_6_GPU”，运行Python并导入TensorFlow库即可

如果，没有error即为正常。

注：如果你除了我上图所示输出，还有若干dtype.py导致的warning，它可能是由于numpy的先后版本兼容性导致，我在使用中这些warning暂未干扰到代码的运行（毕竟不是error）。如果你希望确实解决这些问题，可参考下面的解决方案

五、修改TensorFlow源代码，解决Numpy兼容性问题【可选】

这里的解决方案引用自：https://blog.csdn.net/BigDream123/article/details/99467316

首先备份dtype.py

然后修改dtype warning所在行，我的分别为517~521、526行，路径在warning中会给出，我的路径为（仅做参考）:“C:\Users\a_flying_fish.conda\envs\tensorflow_1_6_GPU\Lib\site-packages\tensorflow\python\framework\dtypes.py”

# 原文
....

_np_qint8 = np.dtype([("qint8", np.int8, 1,)])
_np_quint8 = np.dtype([("quint8", np.uint8, 1,)])
_np_qint16 = np.dtype([("qint16", np.int16, 1,)])
_np_quint16 = np.dtype([("quint16", np.uint16, 1,)])
_np_qint32 = np.dtype([("qint32", np.int32, 1,)])

# _np_bfloat16 is defined by a module import.

# Custom struct dtype for directly-fed ResourceHandles of supported type(s).
np_resource = np.dtype([("resource", np.ubyte, 1,)])

....

# 修改后
....

_np_qint8 = np.dtype([("qint8", np.int8, (1,))])
_np_quint8 = np.dtype([("quint8", np.uint8, (1,))])
_np_qint16 = np.dtype([("qint16", np.int16, (1,))])
_np_quint16 = np.dtype([("quint16", np.uint16, (1,))])
_np_qint32 = np.dtype([("qint32", np.int32, (1,))])

# _np_bfloat16 is defined by a module import.

# Custom struct dtype for directly-fed ResourceHandles of supported type(s).
np_resource = np.dtype([("resource", np.ubyte, (1,))])

....

然后重复四中的步骤，应该能看到warning消失了。

六、配置path变量【可选】

环境配置
可能有的人不太喜欢每次都进“Anaconda prompt (Anaconda3)”运行Python TensorFlow，而习惯于直接用cmd进入。实际上和传统的Python配置是一样的，只需要配置Anaconda下的Python的环境即可

# 下面给出参考路径，实际路径可结合自己的TensorFlow安装路径，或者直接用everything工具搜索

Python路径：C:\Users\a_flying_fish\.conda\envs\tensorflow_1_6_GPU\
Python Script路径：C:\Users\a_flying_fish\.conda\envs\tensorflow_1_6_GPU\Scripts\

篇幅限制，我就不给出path环境配置的具体步骤了，相信对于大部分读者也是轻车熟路

环境测试
通过Win+R，输入“cmd”，进入终端，测试TensorFlow

如图即为成功

注：此处我运行Python是用的“python3”命令，读者可能显示为命令不存在，可用“python”替换，下面给出解释：
由于笔者电脑中同时安装了Python 2.7和Python 3.6版本，且均添加了Path变量（Python 2.7在前），所以当笔者直接输入”python”命令，系统会调用Python 2.7的环境，而非Python 3.6。为了解决这个问题也很简单，只需要将Python 3路径中的”python.exe”手动在同目录建立备份，改名为”python3.exe”即可，如下图（cmd终端重启才能看到效果）