1.2 TensorFlow 2.0 GPU版本的安裝

Python運行環境調試完畢后，下面的重點就是安裝本書的主角TensorFlow 2.0。

1.2.1 檢測Anaconda中的TensorFlow版本

首先是對于版本的選擇，讀者可以直接在Anaconda命令端輸入一個錯誤的命令：

這個命令是錯誤的，目的是為了查詢當前的TensorFlow版本，作者在寫作這本書所能獲取的TensorFlow版本如圖1.16所示。

可以看到，目前最新的版本是2.0.0b1。此時，如果讀者想安裝CPU版本的TensorFlow，直接在當前的Anaconda輸入命令如下：

即可安裝最新CPU版本的TensorFlow。

1.2.2 TensorFlow 2.0 GPU版本基礎顯卡推薦和前置軟件安裝

如果從CPU版本的TensorFlow 2.0開始你的深度學習之旅，這是完全可以的。但是卻不是作者推薦的一種方式。相對于GPU版本的TensorFlow來說，其運行速度CPU版本存在著極大的劣勢，很有可能會讓你的深度學習止步于前。

實際上，配置一塊TensorFlow 2.0 GPU版本的顯卡（見圖1.17）并不需要花費很多，從網上購買一塊標準的NVIDA 750ti顯卡就能夠基本滿足讀者起步階段的基本需求，作者在這里強調的是，最好購置顯存為4G的版本，目前價格穩定在400元左右。如果有更好的條件的話，NVIDA 1050ti 4G版本也是一個不錯的選擇，價格在700元左右。

下面就介紹TensorFlow 2.0 GPU版本的前置軟件的安裝。對于GPU版本的TensorFlow 2.0來說，由于調用了NVIDA顯卡作為其代碼運行的主要工具，因此額外需要NVIDA提供的運行庫作為運行基礎。

（1）首先介紹版本的問題，作者目前使用的TensorFlow 2.0運行的NVIDA運行庫版本如下：

●CUDA版本：10.0。

●CuDNN版本：7.5.0。

這個對應的版本一定要配合使用，建議讀者不要改動，直接下載對應版本就可以。

CUDA的下載地址為：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal。界面如圖1.18所示。

直接下載local版本安裝即可。

（2）下載后是一個exe文件，讀者自行安裝即可，不要修改其中的路徑信息，完全使用默認路徑安裝即可。

（3）接著是下載和安裝對應的cuDNN文件。下載地址為：https://developer.nvidia.com/rdp/cudnn-archive。

cuDNN的下載需要先注冊一個用戶名，相信讀者可以很快完成，之后直接進入下載頁面，如圖1.19所示。

（4）下面就是cuDNN的安裝問題，下載的cuDNN是一個壓縮文件，直接將其解壓到CUDA安裝目錄即可，如圖1.20所示。

（5）接下來就是對環境變量的設置，這里需要將CUDA的運行路徑加載到環境變量的path路徑中，如圖1.21所示。

（6）最后完成TensorFlow 2.0 GPU版本的安裝了，只需一行簡單的代碼：