查看“Tensorflow 2.3 安装”的源代码

TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统，被广泛应用于各类机器学习(machine learning)算法的编程实现，其前身是谷歌的神经网络算法库 DistBelief 。

Tensorflow 拥有多层级结构，可部署于各类服务器、PC终端和网页并支持 GPU 和 TPU 高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。

TensorFlow 由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护，拥有包括 TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud 在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自 2015 年 11 月 9 日起，TensorFlow 依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 。

=== 语言与系统支持 ===
TensorFlow 支持多种客户端语言下的安装和运行。截至版本1.12.0，绑定完成并支持版本兼容运行的语言为 C 和 Python，其它（试验性）绑定完成的语言为 JavaScript、C++、Java、Go 和 Swift，依然处于开发阶段的包括 C#、Haskell、Julia、Ruby、Rust 和Scala。

==== Python ====
TensorFlow 提供 Python 语言下的四个不同版本：

* CPU版本(tensorflow)
* 包含GPU加速的版本(tensorflow-gpu)
* 以及它们的每日编译版本(tf-nightly、tf-nightly-gpu)

TensorFlow 的 Python 版本支持 Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0 及对应的更高版本，其中 macOS 版不包含 GPU 加速。

安装 Python 版 TensorFlow 可以使用模块管理工具 pip 或 anaconda 并在终端直接运行。

=== 依赖 ===

# Nvidia GPU Driver: CUDA 10.1, 418.x
# ANACONDA 3-2021.11
# CUDA 10.1(CupTI)
# cuDNN SDK 7.6

=== 基础 ===

==== anaconda ====
Anaconda(大蟒蛇)，是一个开源的 Python 发行版本，可以用于在同一个机器上安装不同版本的软件包及其依赖。包含了 conda、Python 等 180 多个科学包及其依赖项，如：numpy、pandas等。

==== CUDA ====
CUDA<sup>TM</sup>(Compute Unified Device Architecture)，是显卡厂商 NVIDIA 推出的运算平台。 一种通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题。

包含 CUDA 指令集架构(ISA)以及 GPU 内部的并行计算引擎。

==== cuDNN ====
NVIDIA cuDNN 是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行 caffe 软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。

* CUDA 与 CUDNN 的关系

cuDNN 是 CUDA 的扩展计算库，支持 CUDA 在 GPU上的深度学习计算。从官方安装指南可以看出，只要把 cuDNN 文件复制到 CUDA 的对应文件夹里就可以，即所谓插入式设计。

=== 安装 ===
windows 10-x86_64

==== 一、安装 anaconda 3-2021.11 ====
*[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Windows-x86_64.exe anaconda3-2021.11-Windows-x86_64]

*Advanced Options 中，默认是自行添加 anaconda Path，需要手动在 PATH 增加环境变量：我的电脑->属性->高级系统设置->环境变量
 C:\ProgramData\Anaconda3\Scripts

安装后，会出现 
*Anaconda Navigator (Anaconda3)
*Anaconda Prompt

=====切换国内源=====
Anaconda Prompt
 conda config --show
 
 channels:
   - defaults

*恢复默认源
 conda config --remove-key channels

*清华源
 channels:
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
 ssl_verify: true


P.S. Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。

参考：[https://liguang.wang/index.php/archives/37/ Windows 10 如何安装 anaconda]

====二、安装 cudatoolkit 10.1====
<nowiki>https://developer.nvidia.com/cuda-10.1-download-archive-update2</nowiki>

*[https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_426.00_win10.exe cudatoolkit 10.1-win10]

P.S. 自定义安装，如果新版本比当前版本新，就安装，否则就把对勾给去掉，保留当前版本。(如果新旧版本一致，即使选了也不安装)

* toolkit 默认安装在 Program Files(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1)
* Samples 默认安装在 ProgramData(C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1)
* 支持 Visual Studio 2015/2017/2019(应该是装一些插件之类的), 需提前安装 VS

====三、安装 cudnn 7.6.5====
<nowiki>https://developer.nvidia.com/rdp/cudnn-archive</nowiki>

Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1

将下载下来的包解压，然后将下表中的文件放到 NVIDIA GPU Computing Toolkit\CUDA\v10.1 相应目录下。

*[https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-windows10-x64-v7.6.5.32.zip cudnn-10.1-windows10-x64-v7.6.5.32]

[[分类:Develop]]
[[分类:AI]]