1.6　搭建环境2：安装TensorFlow 2.1

Python运行环境调试完毕后，下面重点安装本书的主角——TensorFlow 2.1。

1.6.1　安装TensorFlow 2.1的CPU版本

首先是对于版本的选择，读者可以直接在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，笔者在写作这本书时所能获取的TensorFlow版本如图1.21所示。

图1.21　TensorFlow版本汇总

可以看到，目前的新版本是2.1.0。而其他名字中包含rc字样的一般为测试版，不建议读者安装。如果读者想安装CPU版本的TensorFlow，直接在当前的Anaconda中输入如下命令：

     pip install tensorflow==2.1.0

即可安装新CPU版本的TensorFlow。

pip install -U tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

1.6.2　安装TensorFlow 2.1的GPU版本

从CPU版本的TensorFlow 2.1开始你的深度学习之旅是完全可以的，但不是笔者推荐的方式。相对于GPU版本的TensorFlow来说，CPU版本的运行速度存在着极大的劣势，很有可能会让你的深度学习止步于前。

图1.22　深度学习显卡

实际上，配置一块能够达到最低TensorFlow 2.1 GPU版本的显卡（见图1.22）并不需要花费很多，从网上购买一块标准的NVIDA 750ti显卡就能够满足读者起步阶段的基本需求。在这里强调的是，最好购置显存为4GB的版本，目前价格稳定在400元左右。如果有更好的条件的话，NVIDA 1050ti 4GB版本也是一个不错的选择，价格在900元左右。

下面是本小节的重头戏，TensorFlow 2.1 GPU版本的前置软件的安装。对于GPU版本的TensorFlow 2.1来说，由于调用了NVIDA显卡作为其代码运行的主要工具，因此额外需要NVIDA提供的运行库作为运行基础。

（1）首先是版本的问题，笔者目前使用的TensorFlow 2.1运行的NVIDA运行库版本如下：

·　CUDA版本：10.1。

·　cuDNN版本：7.6.5。

这个对应的版本一定要配合使用，建议读者不要改动，直接下载对应版本就可以。

CUDA的下载地址如下，界面如图1.23所示。

    https://developer.nvidia.com/cuda-10.1-download-archive?target_os=Windows&
target_arch=x86_64&target_version=10&target_type=exelocal

直接下载local版本安装即可。

（2）下载下来的是一个EXE文件，读者可以自行安装。不要修改其中的路径信息，使用默认路径安装即可。

（3）接着下载和安装对应的cuDNN文件，地址为https://developer.nvidia.com/rdp/cudnn-archive。

cuDNN的下载需要先注册一个用户，相信读者可以很快完成，之后直接进入下载页面，如图1.24所示。

图1.24　下载cuDNN文件

（4）下面就是cuDNN的安装问题，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1.25所示。

图1.25　CUDA安装目录

（5）接下来是对环境变量的设置，这里需要将CUDA的运行路径加到环境变量的path路径中，如图1.26所示。

（6）最后就是完成TensorFlow 2.1 GPU版本的安装，只需一行简单的代码：

     pip install tensorflow-GPU=2.1.0

安装效果如图1.27所示。

图1.26　将CUDA路径加载到环境变量的path中

图1.27　安装TensorFlow 2.1 GPU

1.6.3　练习——Hello TensorFlow

到现在，我们已经完成了TensorFlow的安装。依次输入如下命令可以验证是否安装成功，效果如图1.28所示。

     python
     import tensorflow as tf
     tf.constant(1.)+ tf.constant(1.)

图1.28　验证TensorFlow 2.1的安装

可以看到，图1.28打印出了计算结果，即numpy=2.0，这是以NumPy通用格式存储的一个浮点数2.0。

或者打开前面安装的PyCharm IDE，新建一个项目，再新建一个.py文件，输入如下代码：

【程序1-2】

     import tensorflow as tf
     text = tf.constant("Hello Tensorflow 2.1")
     print(text)

运行结果如下： TdiMxop7ilYiC0bn1PrIdf60wKIKRvRJrRC2JzRwaEtNJP4ix/2Re+4Zt4bMAJ2V