大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元售后保障童叟无欺

Windows10下安装Anaconda、Pycharm、Tensorflow-gpu，并在Pycharm中配置Tensorflow

PyCharm 是一款功能强大的 Python 编辑器，其提供了一个带编码补全，代码片段，支持代码折叠和分割窗口的智能、可配置的编辑器，可帮助用户更快更轻松的完成编码工作。用户可使用其编码语法，错误高亮，智能检测以及一键式代码快速补全建议，使得编码更优化。所以我一般推荐使用Pycharm进行python代码编辑。

但是Anaconda通过管理工具包、开发环境、Python版本，大大简化了工作流程。不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。此外，Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。简单来说，就是我们可以方便的在命令行中使用pip install *** 来安装我们需要的包，非常方便。

所以我最终选择在pycharm中配置anaconda运行环境，通过anaconda管理python包，通过pycharm编辑python代码

一、安装Anaconda

1.下载anaconda

（1）方法一：进入Anaconda的官网进行下载。

https://www.anaconda.com/products/individual

点击Download，跳转到下载页面；

Windows10下安装Anaconda、Pycharm、Tensorflow-gpu，并在Pycharm中配置Tensorflow

选择你想下载的Python版本，目前最新的是python3.8,选择你的操作系统和位数，选择的是Windows64位

然后点击就开始下载了

（2）方法二：清华镜像下载

由于网速或者版本的限制，我们选用清华镜像下载。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

选择对应版本下载即可。

2.安装anaconda

安装过程按照流程走完就行，无需其它操作。唯一要注意的是安装过程中，勾选下图中的选项，添加环境变量

二、安装tensorflow-gpu

创建虚拟环境

这里需要注意一下，tensorflow在anconda中也是以包的形式安装，可以像其它包安装方式一样，直接在cmd窗口pip install tensorflow-gpu也可以，但是这里还是比较建议新创建一个虚拟环境，免得安装好的 tensorflow-gpu 跟原环境中的某些包冲突。

按下Win+R打开运行窗口，输入cmd打开命令窗口，然后输入：

conda create --name tensorflow-gpu python=3.6.1

这里tensorflow-gpu为名字，可以任意设置，python=3.6.1为创建的python环境

2.启动虚拟环境

activate tensorflow-gpu

3.安装

安装有两种方法，一种是在线安装，一种是下载安装文件whl,然后离线安装，这里比较建议离线安装的方式，一是可以用镜像方式下载whl，提高下载速度，另外是如果安装过程出现错误方便重新安装。

（1）在线安装

pip install --upgrade tensorflow-gpu（不指定默认安装最新版本，也可以指定安装版本）

（2）离线安装

进入清华镜像下载页面，下载对应版本（tensorflow2相比tensorflow1有很大的变化，很多包名称及用法都不同，如果是想跑别人以前的代码，这里建议下载1就可以了）：

https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow-gpu/

注意下载的是windows的python3.6版本（和前面创建的环境对应上）

然后同样在cmd窗口安装：

pip install c:\…\tensorflow_gpu-xxxx.whl

4.测试

import tensorflow as tf

import os



os.environ['TF_CPP_MIN_LOG_LEVEL']='2'



a = tf.constant(1.)

b = tf.constant(2.)

sess=tf.Session()



print(sess.run(a+b))

print('GPU:', tf.test.is_gpu_available())

由于tensorflow2.x版本和1.x版本有着一些区别，所以用1.x版本下的方式进行测试会出现如下结果：

AttributeError: module ‘tensorflow’ has no attribute ‘Session’

在tensorflow2.x版本下，使用如下代码进行测试：

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

sess = tf.compat.v1.Session()

a=tf.constant(1)

b=tf.constant(2)

print(sess.run(a+b))

经过测试，发现无论是否安装Gpu显示结果都是GPU:False,但是如果是GPU版本，会有这样的显示：