在python3.8和pytorch1.8.1的基础上安装tensorflow

以往看的模型都是用pytorch跑就行，但是看到的一个创新点是用tensorflow跑的，迫于无奈，如果想要融入进去就得安装TensorFlow…

1. 根据官网的指示，使用 tensorflow2 的 python 版本应当大于 3.5
2. 如果使用 python 3.8，那么 Tensorflow 版本要大于 2.2

最大的感悟是，正确是安装思路应该是：

1. 了解阶段：设备情况----> 能接受的最大cuda/cudnn版本---->pytorch/tensorflow版本。
2. 版本选择阶段：先确定好想安装的pytorch/tensorflow版本---->确定其他配件的版本
3. 最后再从底层文件依次安装。

每次根据电脑性能选择了，接受范围内最适配的底层包进行安装，最后都会发现，我想要安装的最终文件要求更高。又是苟且安装成功的一天…

一、下载cudnn

一定要选好恰当的版本。
版本选择可以参考：tensorflow与cuda版本对应
下载网址：https://developer.nvidia.com/rdp/cudnn-archive（需要注册 NVIDIA 开发者账号并加入开发者计划（免费））

二、 解压+移动

解压结果如下：

1.打开cuda的安装目录（我的版本是11.1）：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1
2.将解压出来的三个文件夹复制到cuda

此处利用管理者权限选择**“替换”**

三、安装tensorflow-gpu==2.4.0

pip install tensorflow-gpu==2.4.0 -i https://mirrors.aliyun.com/pypi/simple  # 阿里云镜像

需要注意的是，一定要写tensorflow-gpu==2.4.0而不是 “tensorflow==2.4.0”

四、验证

接下来验证tensorflow是否安装成功。

python # 输入python进入代码编写界面import tensorflow as tf  # 导入库
tf.__version__  # 查看版本号

最后测试GPU情况

tf.test.is_gpu_available()

然鹅没成功，返回“False”了。
解决办法参考：TensorFlow2.4 GPU版安装教程
观察发现报错原因：缺少了某些 CUDA 库文件（尤其是 cusolver64_10.dll）

打开cuda安装目录下的bin文件，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin。
将**“cusolver64_11.dll” 文件复制重命名为cusolver64_10.dll**即可

再次运行测试代码，返回True。

小插曲：
tensorflow安装成功了，但是numpy和pandas、matplotlib之间的版本依赖关系出现了错误。

模拟一下安装过程检查版本依赖，

pip install --dry-run matplotlib==3.3.4 pandas==1.2.5 multidict==5.2.0  # 模拟一下安装过程检查版本依赖

没有报错就直接安装了。

---

安装pydoe，直接安装即可

pip install pyDOE -i https://mirrors.aliyun.com/pypi/simple

参考博客

1.Anaconda同时安装PyTorch和TensorFlow2.x版本教程（Windows + GPU/CUDA）
2.windows10下CUDA11.1、CUDNN11.1、tensorflow-gpu 2.4.1和torch安装教程
3. win 10 下安装深度学习环境（tensorflow + pytorch, CUDA + CUDNN）