【深度学习系列】全面指南：安装TensorFlow的CPU和GPU版本

本博客旨在为初学者提供一份全面的指南，介绍如何根据个人电脑的配置选择并安装适合的TensorFlow版本。内容涵盖了如何查看电脑显卡型号以确定是安装CPU还是GPU版本的TensorFlow，创建Python虚拟环境，以及使用conda命令查找可用的TensorFlow版本。同时，文章还提供了安装过程中可能遇到的问题及其解决方法，确保读者能够顺利完成安装过程，并开始他们的机器学习或深度学习项目。

目录

一、安装anaconda

二、tensorflow安装cpu版本和gpu版本的区别

三、确定本电脑tensorflow安装cpu版本还是GPU版本

（一)查看显卡型号的步骤

（二） 点击性能

（三） 找到GPU,查看其型号

 （四）查看显卡的计算能力

 四、Tensorflow与Python、CUDA、cuDNN的版本对应表

五、安装CPU版本的tensorflow 

(一)创建虚拟环境

（二）查看虚拟环境

（三） 进入/激活虚拟环境

（四） 安装cpu版本的tensorflow

(五） 在jupyter中添加虚拟环境tensorflow-2.10.0的内核

六、使用conda search命令来查看所有可用的TensorFlow版本

 七、安装GPU版本的tensorflow

八、可能出现的报错

报错一：

出现报错一的原因： 

报错一的解决方法（切换镜像源)

 报错二及解决方法：

报错三及解决方案：

 报错四及解决方案：

报错五及解决方案：

一、安装anaconda

Anaconda | The Operating System for AI

anaconda想必大家都很熟悉了，就不在这里过多陈述。

二、tensorflow安装cpu版本和gpu版本的区别

TensorFlow 的 CPU 版本适用于普通计算机，无需特殊硬件，适合轻量级任务和小规模数据处理。

而 GPU 版本则需要 NVIDIA GPU 及相关驱动支持，能显著提升计算速度，适合大规模数据集和复杂模型的训练。选择版本时，应考虑硬件条件和任务需求。

三、确定本电脑tensorflow安装cpu版本还是GPU版本

下边是我在网上找到的参考：

首先，查看自己电脑显卡的型号。如果显卡是NVIDIA系列的，继续下面步骤；如果显卡不是NVIDIA系列的，直接装CPU版。 

注意：显卡是NVIDIA系列的，同样可以安装cpu版本。

步骤如下：

（一)查看显卡型号的步骤

①在电脑菜单栏里输入“任务管理器”，然后打开

（二） 点击性能

（三） 找到GPU,查看其型号

发现本电脑GPU是NVIDIA系列系列中的Geforce RTX 2060

 （四）查看显卡的计算能力

在CUDA GPU | NVIDIA 开发者这个链接，点击自己显卡对应的系列，查看显卡计算能力（computer capability）。如下图，本电脑显卡是 NVIDIA系列系列中的Geforce RTX 2060，其对应的计算能力是7.5。（官方文档中写的75，不知道为啥没有加小数点），故可以安装GPU版本。

 四、Tensorflow与Python、CUDA、cuDNN的版本对应表

在 Windows 环境中从源代码构建  |  TensorFlow (google.cn)

Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应-CSDN博客

五、安装CPU版本的tensorflow 

这里我选择安装tensorflow-2.10.0，对应的python版本是3.7-3.10

(一)创建虚拟环境

打开Anaconda的Prompt命令窗口，在进入Prompt后，默认的是你的base环境。（不明白这里也没事)

为了方便管理，我们在此创建一