项目场景：
提示：这里简述项目相关背景：
Windows安装的Anaconda，利用Anaconda的Anaconda Powershell Prompt安装tensorflow2.0
问题描述
利用Anaconda学习python已经很久了，但是一直没有太搞清楚怎么用Anaconda安装python包，这次借安装Tensorflow2.0完全搞清楚了。
解决方案：
1. 首先要找到Anaconda Powershell Prompt
2. 为了使安装包速度更快，这里要改下源文件.condarc，我的源文件目录在：C:\Users\Administrator\ .condarc
把里面的内容改成以下即可： channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaults show_channel_urls: true 这里要注意一个问题，就是如果这里的- defaults保留的话，当卸载包命令conda uninstall 包名的时候，很容易出现卸载包会卡在solving environment上，所以如果要执行卸载包的命令的时候，最好把 – defaults删掉，再卸载包。如果要安装包的时候，就把- defaults添加回去就行了
在使用conda uninstall package_name 的时候会把其他依赖package_name的包给删了，为了不想把其他包删除掉，只删除特定包需要在指令后续加一个–force，例如我只想删除numpy，而不想删除其他依赖于numpy的包可使用以下命令：
conda uninstall numpy --force 3. 安装Tensorflow2.0
这步就比较简单了，当然前期准备工作要做好，我先前已经安装好了英伟达显卡驱动+CUDA+CUDNN，这个配置是：NVIDIA GTX 1080TI + Tensorflow1.14.0和2.1.0 + Cuda10.1.15 + python3.7 + VS2015 + cudnn7.6，这里我两个都试了一下Tensorflow1.14.0和2.1.0都可以
(base) PS C:\Users\Administrator> conda install tensorflow-gpu=2.1.0 验证一下是否安装成功了可以执行以下代码：
import tensorflow as tf import timeit import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。 with tf.device('/cpu:0'): cpu_a = tf.random.normal([10000, 1000]) cpu_b = tf.random.normal([1000, 2000]) print(cpu_a.device, cpu_b.device) with tf.device('/gpu:0'): gpu_a = tf.random.normal([10000, 1000]) gpu_b = tf.random.normal([1000, 2000]) print(gpu_a.device, gpu_b.device) def cpu_run(): with tf.device('/cpu:0'): c = tf.matmul(cpu_a, cpu_b) return c def gpu_run(): with tf.device('/gpu:0'): c = tf.matmul(gpu_a, gpu_b) return c # warm up cpu_time = timeit.timeit(cpu_run, number=10) gpu_time = timeit.timeit(gpu_run, number=10) print('warmup:', cpu_time, gpu_time) cpu_time = timeit.timeit(cpu_run, number=10) gpu_time = timeit.timeit(gpu_run, number=10) print('run time:', cpu_time, gpu_time) print('GPU', tf.test.is_gpu_available()) 发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/214850.html原文链接：https://javaforall.net
