Tabla de correspondencia entre la versión de tensorflow-gpu y la versión de cuda, CUDA y la instalación del controlador, Tensorflow2.0-gpu, instalación de pytorch-gpu, código de carga de GitHub, anaconda crea un nuevo entorno

Para no olvidar, se registra aquí.

Consulta de potencia informática de la tarjeta gráfica

Correspondencia entre la versión de tensorflow-gpu y la versión de cuda

Descarga CUDA

GTX1650 admite hasta cuda10.2. Además, debe descargar el controlador cudnn.

descargar cudnn

(Necesita registrar una cuenta para descargar)
cudnn 7.6.5 corresponde a la versión CUDA10.0.
Una vez completadas la descarga y la instalación, ingrese nvidia-msi en la interfaz cmd para consultar el uso de la GPU.
tabla de correspondencia de las versiones cudnn y CUDA

tensorflow2.0-gpu

La versión gpu de tensorflow2.0 necesita 2.0.0, no descargue la última versión, porque 2.1.0 requiere la versión CUDA10.1. Además, la versión de GPU no puede existir al mismo tiempo que la versión de CPU, de lo contrario entrará en conflicto.
La fuente espejo Douban es muy fácil de usar, el comando de instalación:

pip install tensorflow-gpu==2.0.0 -i https://pypi.doubanio.com/simple

Dirección de origen del espejo Tsinghua: https://pypi.tuna.tsinghua.edu.cn/simple
pip Si descarga la biblioteca, reemplace las dos y reemplace la una si no es fácil de usar.

PyTorch-gpu

Primero agregue la fuente de espejo de pytorch:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
instalar:
conda install pytorch torchvision cudatoolkit=10.0

Tutorial de código de carga de GitHub

https://www.cnblogs.com/cxk1995/p/5800196.html
requiere que un cliente cargue el código, el sitio web oficial de países extranjeros es demasiado lento para descargar, la fuente de descarga nacional: descarga de Git

Clonar código de GitHub con Git

Simplemente use git clone + dirección de biblioteca GitHub;

git clone https://github.com/...

Pero debido a que la velocidad de descarga es generalmente lenta, se puede cambiar a:

git clone https://github.com.cnpmjs.org/...

Anaconda crea un nuevo entorno

Por ejemplo, cree un entorno virtual llamado tf20 e instale la versión python3.7.

conda create -n tf20 python=3.7

El entorno creado se puede ver en la carpeta envs bajo el directorio anaconda, o puede verlo con el siguiente comando:

conda info --envs

Jupyter notebook seleccione conda local python environment y modifique la ruta predeterminada

Puede elegir instalar ipykernel primero, el entorno aquí se llama tf20

conda install -n tf20 ipykernel

Luego activa el entorno:

activate tf20

Luego ingrese:

python -m ipykernel install --user --name tf20 --display-name tf20

Actualice Jupyter, puede encontrar el entorno correspondiente llamado tf20.
Modifique la ruta predeterminada:
consulte el blog

Otro método:
Abra Anaconda Prompt, instale nb_conda: conda install nb_conda, y luego active el entorno requerido: como activar tf20, ingrese jupyter notebook en el entorno tf20 e ingrese la URL para seleccionar el entorno actual. Y la próxima vez que abra jupyter directamente, puede seleccionar el entorno, en lugar de abrir jupyter en el entorno tf20.
Además, en jupyter, puede ver la versión de Python a través de la siguiente declaración:

import sys
sys.version

Instalación de la biblioteca de funciones comunes

1. opencv:

pip install opencv-python -i https://pypi.doubanio.com/simple

verificación:

import cv2
print(cv2.__version__)