下载掌阅APP，畅读海量书库
立即打开
Python运行环境调试完毕后，下面的重点就是安装TensorFlow 2.0。
对于版本的选择，可以直接在Anaconda命令端输入一个错误的命令：
pip install tensorflow==3.0
这个命令是错误的，目的是为了查询当前的TensorFlow版本。在写作这本书时所能获取的TensorFlow版本如图1.16所示。
图1.16 TensorFlow版本汇总
可以看到，最新的版本是2.0.0。如果想安装CPU版本的TensorFlow，可以直接在当前的Anaconda输入命令：
pip install tensorflow==2.0.0
从CPU版本的TensorFlow 2.0开始深度学习之旅是完全可以的，但是并不推荐这种方式。相对于GPU版本的TensorFlow来说，在运行速度方面CPU版本处于极大的劣势，很有可能会让学习止步于前。
实际上，配置一块能够达到最低TensorFlow 2.0 GPU版本的显卡（见图1.17）并不需要花费很多，从网上购买一块标准的NVIDA 750ti显卡就能够极大地满足起步阶段的基本需求。在这里要强调的是，最好购置显存为4GB的版本，目前价格稳定在400元左右。如果有更好的条件，NVIDA 1050ti 4G版本也是一个不错的选择，价格在700元左右。
推荐购买NVIDA系列的显卡，并且优先考虑大显存。
如果一开始就想更好地“武装”自己，体验一下硬件配置巅峰的感觉，那也是完全可以的。不过不如把这份由额外花钱带来的满足感转化成由本人编写并成功运行一个高级的深度学习代码所带来的满足感。
图1.17 深度学习显卡
下面是本节的重头戏—TensorFlow 2.0 GPU版本前置软件的安装。对于GPU版本的TensorFlow 2.0来说，由于是调用NVIDA显卡作为代码运行的主要硬件，因此额外需要NVIDA提供的运行库作为运行的基础。
（1）首先也是版本的问题。TensorFlow 2.0运行的NVIDA运行库版本如下：
这个对应的版本一定要配合使用，建议不要改动直接下载即可。
CUDA的下载地址如下：
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows &target_arch=x86_64&target_version=10&target_type=exelocal
下载页面如图1.18所示，直接下载local版本安装即可。
图1.18 下载CUDA文件
（2）下载的是一个exe文件，不要修改其中的路径，完全使用默认路径安装即可。
（3）下载和安装对应的cuDNN文件，地址如下：
https://developer.nvidia.com/rdp/cudnn-archive
下载cuDNN时需要先注册一个用户，之后直接进入下载页面，如图1.19所示。
图1.19 下载cuDNN文件
不要选择错误的版本，一定要选择对应的版本。
（4）下载的cuDNN是一个压缩文件，直接将其解压到CUDA安装目录即可，如图1.20所示。
图1.20 CUDA安装目录
（5）对环境变量进行设置。这里需要将CUDA的运行路径加载到环境变量的path路径中，如图1.21所示。
图1.21 将CUDA路径加载到环境变量的path路径中
（6）完成TensorFlow 2.0 GPU版本的安装，只需一行简单的代码即可：
pip install tensorflow-GPU=2.0.0