序文：
最近、ブロガーは設計を完了しており、TensorFlowディープラーニングフレームワークを使用する必要があります。TensorFlowのCPUバージョンは、以前にAnaconda環境にインストールされています。詳細については、Anaconda ||（多数のピットのステップ、涙の要約!!!）を参照してください。 ）Anacondaのアンインストールとインストール（tensorflow + Keras + spyder + add mirror source ）パッケージの取得と管理が便利であると同時に、環境を均一に管理できます。180を超える科学パッケージとその依存関係が含まれています。 conda、Python、numpy、scipy、ipythonノートブックなど。Anacondaはツール/コマンドcondaを使用してインストールパッケージと環境を管理し、Pythonと関連するサポートツールがすでに含まれています。...
https://blog.csdn.net/Inochigohan/article/details/120400990 TensorFlowのCPUバージョンは比較的簡単にインストールできますが、大規模なニューラルネットワークや大規模なデータをトレーニングする場合、CPUバージョンが遅くなる可能性があります（誰が知っているか（T_T）、GPUバージョンのTensorFlowをインストールすることをお勧めします。この場合、CUDAとcuDNNもインストールする必要があります。何十億もの複雑さがあります。
コンテンツ
1.コンピューターがGPUをサポートしているかどうかを確認します
2.3ソフトウェアが正常にインストールされているかどうかを確認します
1.コンピューターがGPUをサポートしているかどうかを確認します
1.1コンピューター関連の構成を表示する
コンピュータの「コントロールパネル」を開き、 NVIDIAコントロールパネルを見つけて、 「システム情報」を表示します。ブロガーのコンピューター構成はWindows1064ビットオペレーティングシステムであり、GeForce MX130グラフィックカードを搭載しているため、GPUバージョンのTensorFlowのインストールを検討できます。
補足知識ポイント：ラップトップのグラフィックカードを確認する方法
1.2インストールがサポートされているかどうかを確認します
コンピュータのグラフィックカードのモデルがブロガーのモデルと同じではない弟がいるかもしれません。グラフィックカードがGPUバージョンのTensorFlowをサポートしているかどうかわからない場合は、NVIDIAの公式Webサイト にアクセスして確認できます。
ブロガーのグラフィックカードモデルはGeForceMX130で、下図の「CUDAをサポートするGeForceおよびTITAN製品」のリストには実際にはありませんが、NVIDIAのリストが更新されていないというチュートリアルがインターネット上にあります。長い間なので、参考用です。この記事では、GeForce MX130を使用してTensorFlowのGPUバージョンをインストールすることを個人的にテストし、それが実際に実行可能であることを発見しました（•̀.̫•́）✧
1.3バージョン接続に注意してください
GPUバージョンのTensorFlowをインストールするには、それに応じてCUDA、cuDNN、Pythonもインストールする必要があるため、インストールパッケージ間のバージョンの対応に注意する必要があります。ここで、次のことを確認できます。Windows環境でのソースコードからのビルド| TensorFlow（ブロガーは壁を乗り越えられず、ウェブサイトT_Tを開くことができないため、写真はオンラインで見つかりますはい）。
2.CUDAをインストールします
2.1ダウンロードとインストール
CUDAは、一般的なコンピューティングにGPUリソースを使用するNVIDIAによって起動されたSDKです。CUDAインストールパッケージは、通常、グラフィックスドライバーを統合します。公式ウェブサイトのダウンロードアドレスは次のとおりです。CUDAToolkit10.0アーカイブ|NVIDIA開発者
公式サイトにアクセスした後、必要に応じて対応するインストールバージョンをダウンロードできます。
ダウンロードした.exeファイルを実行します。パスを変更しないことをお勧めします（インターネット上の多くのブログ投稿では、後で不要な問題を回避するために、デフォルトのインストールパス（￣ _、￣）でパスを変更してもインストールは完了しないと述べています。 ）、次に次
プログラムのデフォルトの簡易モードでは、使用されない可能性のあるVSコンパイラやグラフィックカードドライバを含むすべてがインストールされるため、カスタムモードを選択します。ちなみに、次の手順でドライバコンポーネントを選択するときは、VSのチェックを外します。コンパイラとグラフィックカードドライバ。
それから最後まで次へ♪（´▽｀）
2.2 環境変数を構成する
ソフトウェアがインストールされると、システムの環境変数に2つの変数が自動的に追加されます。
また、自分でいくつかの変数を追加する必要があります（実際のインストールバージョンとパスに従って追加します）。また、図に示すように 、システム変数Pathに変数を追加し、実際の状況に従って入力します。
2.3ソフトウェアが正常にインストールされているかどうかを確認します
コンピューターのコマンドラインウィンドウを開き（デスクトップの検索ボックスにcmdと入力）、目的のパスに切り替えて、次のコマンドbandwidthTest.exeとdeviceQuery.exeをそれぞれ実行します。
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite 次の図に示すように、インストールは成功します。
3.cuDNNをインストールします
3.1ダウンロードとインストール
公式ダウンロードリンクは次のとおりです。cuDNNアーカイブ|NVIDIA開発者
以前にインストールされたCUDAバージョンは10.0であるため、このブログ投稿はcuDNN7.4.2をダウンロードします。1.3ノートバージョン接続の表に従って、対応するバージョンを選択してください。初めてダウンロードする場合は、まずアカウントを登録し、個人情報を入力してダウンロードする必要があります~~
下の写真で弟が見つからない場合は、閲覧しているWebサイトの検索バーにcuDNN Archive | NVIDIA Developerと入力して、下のインターフェイスに移動できます。
3.2ファイルを解凍し、適切な場所に置きます
ブラウザからダウンロードした圧縮パッケージを見つけて解凍します。解凍後、フォルダーに入り、.h .libファイルと.dllファイルを、CUDAがインストールされているパスの下のinclude、lib / x64、binフォルダーにコピーします。
第4に、TensorFlow-GPUをインストールします
4.1環境の作成とインストール
TensorFlow-GPUバージョンをインストールする手順は、実際にはCPUバージョンと同様です。このブログ投稿は、Anacondaソフトウェアの助けを借りてインストールされています。最初にAnacondaプロンプトを開き、仮想環境eve-gpuを作成します。対応するPythonバージョンは3.6です。condainfo--envsを使用して、環境が正常に作成されていることを確認します。
conda create -n eve-gpu python=3.6
conda info --envs
eve-gpu環境をアクティブにして、TensorFlow-GPUバージョンをインストールします。バージョン番号を指定することを忘れないでください！！！（バージョン番号を指定しない場合、デフォルトで最新バージョンがインストールされ、CUDAとcuDNNの以前のインストールは無駄になります...
4.2インストールが成功したことを確認します
Pythonを実行し、次のコードを入力して確認します。画像は、TensorFlow-GPUのバージョン番号が2.0.0であることを示しており、インストールが成功したことを示しています。
#验证TensorFlow
import tensorflow as tf
tf.__version__
#验证CUDA
a = tf.test.is_built_with_cuda()
print(a)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
これまでのところ、花の終わり\ ^ o ^ / \ ^ o ^ / \ ^ o ^ /