前言
TensorFlow2.0今年上半年发布后，目前学习资料逐渐多起来了，是一个入手的好时段。
这次的升级力度可以说空前，接下来的一段时间将就tensorflow2.0写一个专题：tensorflow2.0入门。
第一篇从搭建tensorflow运行环境开始
一、所需配置
-
Anaconda3-2019.07-Windows-x86_64
下载地址：https://www.anaconda.com/distribution
-
cuda_10.0.130_411.31_win10（注意别下最新10.1，不支持tf2.0）
下载地址：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
-
cudnn-10.0-windows10-x64-v7.6.3.30
下载地址：https://developer.nvidia.com/rdp/cudnn-download
-
TensorFlow2.0
电脑基本情况：
经查询，该显卡可以使用GPU版TensorFlow2.0，查询地址为：
https://developer.nvidia.com/cuda-gpus
二、安装配置过程
1.anaconda安装
一路傻瓜式安装：
将anaconda安装路径添加到环境变量中；
在pycharm中添加anaconda为project interpreter：
这样就搭建好了python运行环境了。
2.cuda安装
双击，傻瓜式安装：
查看环境变量，CUDA的bin和libnvvp路径是否添加进去：
3.cudnn安装
解压cudnn，得到如下文件：
将三个文件夹复制，然后粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 中，根据自己路径改变。
而后将
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
添加到环境变量path中。
4.tensorflow2.0安装
通过镜像安装速度更快
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.0.0a0
三、测试代码
安装完成后可以采用以下代码进行测试：
import tensorflow as tf
import timeit
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)
测试结果如果为：
恭喜你成功了！！！
关注公众号，获取海量学习资源。
1024程序开发者社区的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里就技术问题进行交流，还没有加入的小伙伴可以扫描下方“社区物业”二维码，让管理员帮忙拉进群，期待大家的加入。
//猜你喜欢//