经过几年的完善发展，tensorflow 安装已经非常简单。本文介绍 windows 环境下安装的关键步骤。

1. 安装 anaconda

anaconda 是一个快速安装 python 环境的程序，到该程序官网下载安装即可。安装完毕后，在开始菜单里找到 anaconda prompt 或者 anaconda powershell prompt 快捷方式，启动命令行界面。

anaconda 内置了 pip 命令，可快速对 python 配套程序模块进行管理。我们这里关心如下几个命令：

pip install ：安装程序模块
pip uninstall ：卸载程序模块
pip list ：查看已安装的程序模块

2. 安装 tensorflow

安装 cpu 版本的 tensorflow 命令如下：

pip install tensorflow

安装 gpu 版本的 tensorflow 命令如下：

pip install tensorflow-gpu

上述命令默认安装最新版本的 tensorflow。如果安装特定版本，可用下面的命令

pip install tensorflow==1.2.3

其中，1.2.3是安装包的版本号。如果该版本号不存在，该命令返回一个可用的版本清单。因此，也可以通过输入一个不存在的版本号，查询安装包的可用版本号。

3. 安装 gpu 驱动程序

去英伟达官网，https://www.geforce.cn/drivers，下载安装驱动程序。硬件型号匹配完全自动搞定。

4. 安装 cuda

去 cuda 官网，https://developer.nvidia.com/cuda-toolkit，下载，安装过程全自动。如果需要在 visual studio 中使用 cuda，请先安装 visual studio。

5. 安装 cuDNN 库

输入 https://developer.nvidia.com/cudnn 网址来到下载页面，得到相关包后解压，直接复制到 cuda 路径对应的文件夹下面就行。

6.验证安装

在 anaconda prompt 命令行环境下，键入 python，进入 python 系统，键入下面命令验证cpu版本正确性：

>>>import tensorflow as tf
>>>hello = tf.constant('Hello, World!')
>>>sess = tf.Session()
>>>sess.run(hello)
b'Hello, World!'

tensorflow-gpu 版本，可用下面程序验证：

import tensorflow as tf

with tf.compat.v1.Session() as sess: 
    with tf.device("/gpu:0"): 
        a = tf.compat.v1.placeholder(tf.int32) 
        b = tf.compat.v1.placeholder(tf.int32) 
        add = tf.add(a, b)
        print(sess.run(add, feed_dict={a: 3, b: 4}))

正常情况，上述步骤一次搞定。如果存在细节问题，百度一下即可。主要步骤如本文所述，没有太多玄乎的安装技巧。

附. 可能遇到的问题

1. 找不到 xxx.dll 文件

安装完成后碰到的问题：运行tensorflow时，出现ImportError: DLL load failed:找不到指定的模块：cublas64_100.dll、cusolver64_100.dll、cudart_64_100.dll。

解决办法：先进入路径‘C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin’，复制下面三个文件到桌面，改名字为上述找不到指定模块的名称，改后后，再粘贴回去，tensorflow就能成功运行了。

cublas64_10.dll
cusolver64_10.dll
cudart64_101.dll
curand64_10.dll

2. 找不到 GPU 设备

执行下面代码时，提示找不到 GPU 设备：

import tensorflow as tf

with tf.Session() as sess: 
    with tf.device("/GPU:0"): 
        a = tf.placeholder(tf.int16) 
        b = tf.placeholder(tf.int16) 
        add = tf.add(a, b)
        print(sess.run(add, feed_dict={a: 3, b: 4}))

错误信息为：
InvalidArgumentError: Cannot assign a device for operation Add_1: node Add_1 (defined at C:\Users\xuyeping\Anaconda3\lib\site-packages\tensorflow_core\python\framework\ops.py:1748) was explicitly assigned to /device:GPU:0 but available devices are [ /job:localhost/replica:0/task:0/device:CPU:0 ]. Make sure the device specification refers to a valid device.

检查后发现，忘记安装 cuDNN 库了，安装后即消除此问题。

3. 清华大学镜像库

如果下载速度慢，可尝试清华大学镜像库。

临时使用
可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple
例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gevent，这样就会从清华这边的镜像去安装gevent库。
永久修改
Linux下，修改 ~/.pip/pip.conf (没有就创建一个)，修改 index-url至tuna，内容如下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows下，直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

我用下面的方法安装了 tensorflow：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.2

quicmous

发布了174 篇原创文章 · 获赞 80 · 访问量 35万+

私信关注

tensorflow 快速安装入门教程