Window 10上のTensorflowのインストール（CPUとGPUバージョン）

以前はtenssorflowを模索していた時、踏み穴を設置する時間がとても長くて、主にいくつかのものの関係が分かりませんでした。今回システムを再インストールしたら、ちょうどもう一回配置して、もう一度の経歴を記録します。私のパソコンはファーウェイのmate book 13、intel i 5-8625 U、MX 250グラフィックカード、win 10システムです。不潔なツッコミを入れざるを得ません。テストコードの調整が必要です。）
深さ学習はTensorflowプラットフォームを利用して、その中のKeras Sequential APIは新しいユーザーにとても友好的で、各基礎コンポーネントを組み合わせてモデルを構築することができます。
（公式サイト：https://tensorflow.google.cn/?hl=zh-cn）


Tensorflowをインストールしてtenssor flowに分けます。cpuとtenssor flow_gpuバージョン
GPUはレンダリング計算用で、GPUバージョンの計算性能はCPUの100倍の速さです。パソコンに独立したグラフィックカードがないとCPU版でしか計算できません。

CPUバージョンのインストール：
tenssor flowcpuバージョンはannacondaをインストールしてannaconda promptの中でpip install tenssor flowをインストールするだけです。cpu==(バージョン番号)でいいです。anan condaをインストールする方法はGPUバージョンの中にあります。
pythonとtensor flowをチェックしてください。cpu対応のバージョン番号。

GPUバージョンのインストール
tenssor flowgpuバージョンのインストールは大きく三つのステップに分けられます。gpuその中の第一歩と第二歩の順番は変えられます。前の三つのものを取り付けてからtenssorflowをインストールすればいいです。
tenssorflowは最近2.0バージョンが出ました。1.0バージョンとは少し違います。具体的にはまだ分かりませんが、コードは必ずしも互換性がないので、注意が必要です。この3つのステップのバージョンは特に注意が必要です。3つの自分のバージョンが互いに互換性がないか、またはコンピュータのグラフィックスカードと互換性がないと使えません。インストールする前にインストールするtenssor flowバージョンを見てください。先にグラフィックカードの計算力を調べてから、似合うバージョンをインストールします。
まずコンピュータでサポートできるtenssorflowのバージョンを確定します。tenssor flowの公式サイトによって設定されています。私たちはコンピュータgpuのcudaサポートバージョンを確認してから、pythonバージョンとtenssorflowバージョンをダウンロードします。
右クリックデスクトップ>NVIDIAコントロールパネル>ヘルプ>システム情報>コンポーネント

上の図では、私のグラフィックカードがサポートしているキューダバージョンは11.1（下の互換性）です。
Tensorflow配置window公式サイト：https://tensorflow.google.cn/install/source_windows

私のパソコンを例にとって、前に使ったのは3.7.3バージョンです。今回システムを再インストールしたのは3.8.3です。
cmd調べpythonバージョン：
以前はtenssor flowで1.13バージョンを使っていましたが、今回はpyton 3.8をインストールしましたので、2.0バージョンをインストールするつもりです。まだ低いバージョンが必要な場合は、pythonの低いバージョンを再インストールしたり、仮想環境を構築したりする必要があります。
一歩目は、annacondaをインストールします。
annacondaはpython環境をインストールすることに対応しています。最新のpythonバージョンは必ずしも互換性のあるcuda加速がなく、cuda加速もあれば、必ずしもコンピュータのグラフィックスカードをサポートしていません。
公式サイトのインストール：https://www.anaconda.com/products/individual、以前のバージョンは、公式サイトがない場合は、リソースを見つける必要があります。
二番目のステップは、cudaツールバッグをインストールします。
（公式サイト：https://developer.nvidia.com/zh-cn/cuda-toolkit)
CUDAは、NVIDIAがグラフィック処理ユニット（GPU）上の汎用計算のために開発した並列計算プラットフォームとプログラミングモデルである。CUDAにより、開発者はGPUの強力な性能を利用して計算アプリケーションを著しく加速することができます。GPUの加速されたアプリケーションでは、作業負荷のシリアル部分がCPU上で動作し、CPUはシングルスレッドの性能を最適化していますが、アプリケーションの計算集約部分は並列に数千個のGPUコア上で動作します。CUDAを使用する場合、開発者はC、C＋＋＋、Fortran、Python、MATLABなどの主流言語を使ってプログラムを作成し、拡張プログラムによっていくつかの基本的なキーワードで並列性を表します。tenssorflowの最高バージョンはcuda 10.1バージョンですので、ダウンロードすればいいです。インストールパッケージリンク:https://developer.nvidia.com/cuda-toolkit-archive



CUDAのダウンロードはVPNをマウントする必要があります。そうでないと下に下りてくるのは1 kbだけです。
カスタムインストール、インストールするものは全部選択しました。できるだけ取り付け位置を変えないでください。

セットアップ後にcuDNNをインストールし、CDNNは深度神経ネットワーク用のGPUアクセラレータです。インストールされているバージョンに注意して、自身のキューダバージョンに対応するキューdnnダウンロードを選択します。
公式サイト：https://developer.nvidia.com/rdp/cudnn-archive、cuDNNのダウンロードは公式サイトのアカウントを登録する必要があります。

ダウンロードしたcudnnファイルを解凍したら、フォルダ内のファイルをcuda対応フォルダの下に置いてください。フォルダ内のファイルです。直接に代替フォルダをコピーしないでください。

ステップ3、tenssor flow-gpuをインストールします。
annaconda promptの中にインストールします。pip install tenssor flow-gpu、後はバージョン番号を指定できます。ダウンロードはゆっくりと一つのミラーソース-iをマウントします。https://pypi.tuna.tsinghua.edu.cn/simple

インストール完了:

テストがインストールされましたか？

import tensorflow as tf
tf.test.is_gpu_available()

Trueはインストールが成功したことを表します。
バージョン番号：
これでインストールが成功しました。小さいプログラムでテストできます。

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
 
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

「GPU True」を表示します。つまりGPUバージョンのインストールが成功したということです。
数日間コードを調整してから、テナントflow 2は1と比較してかなり多くの変更があります。1の中で実行できるコードは2の中で一定の修正が必要かもしれません。
Tensorflow 2と1の上のkersの違いについては関連資料を検索してもいいです。
ここでWindow 10上のTensorflowのインストール（CPUとGPUバージョン）に関する記事を紹介します。Window 10のインストールに関する詳細については、以前の記事を検索したり、下記の関連記事を見たりしてください。これからもよろしくお願いします。