验证tensorflow2.0安装成功,怎么看tensorflow是否安装成功

　　今天tensorflow安装顺利，迈出了迈向AI的第一步。我还是有点激动。

　　网上有很多安装教程，但似乎都不简洁明了。所以我简单总结一下我的安装过程。

　　我的环境

win10+python 3.6+vs2015+vs2013+vs2017

　　VS只需要安装一个和版本一致的。

　　在CPU版本和GPU版本之间选择tensorflow的GPU版本。运行程序会快很多，但是安装好像有点复杂。

　　CPU版本安装超级简单，一步到位。

　　版本CPU pip安装tensorflow

　　或者使用中国清华大学提供的镜像网站https://pypi.tuna.tsinghua.edu.cn来更快地下载文件。

　　https://pypi.tuna.tsinghua.edu.cn/simple张量流

　　GPU版本1。使用命令行安装tensorflow软件包pip安装tensorflow-gpu

　　或者使用中国清华大学提供的镜像网站https://pypi.tuna.tsinghua.edu.cn来更快地下载文件。

　　python-m pip install-I https://pypi.tuna.tsinghua.edu.cn/simple张量流-gpu

　　2.检查需要安装的CUDA和cuDNN的版本。假设tensorflow安装在D: Anaconda 3 lib site-packages tensor flow环境中，那么打开文件D: Anaconda 3 lib site-packages tensor flow Python platform build _ info . py。

　　我在这里安装了tensorflow1.10版本。从文件build_info.py中我们可以看到，CUDA 9.0和cuDNN 7需要做相应的安装。

　　3.安装CUDA并选择需要下载的版本

　　个人体验的结果，网络版的安装程序因为网络不好无法成功安装。最好下载本地版本的安装程序。

　　4.要安装cuDNN，需要注册账号并登录后才能下载。

　　账号：https://developer.nvidia.com/cudnn

　　选择正确的版本下载压缩包：https://developer.nvidia.com/cuda-toolkit-archive安装CUDA9.0的默认路径是C: Program Files NVIDIA GPU Computing Toolkit CUDA v 9.0 。安装CUDA 9.0后，解压cud nn-9.0-windows 10-x64-v 7.1 . zip，将vividcan瓜，include和lib中的文件(共三个)复制到C: program files NVIDIA GPU computing toolkit CUDA v 9.0 下的vividcan瓜，include和lib目录下。5.注意匹配环境变量。检查默认写的系统变量CUDA_PATH和CUDA_PATH_V9.0是否正确。

　　检查系统变量path中是否有NVIDIA GPU计算工具包 CUDA v9.0 vivid哈密瓜和NVIDIA GPU计算工具包 CUDA v9.0 lib x64并且正确。

　　默认路径如下：

　　C: program files NVIDIA GPU计算工具包 cuda v9.0 生动的哈密瓜

　　c: program files NVIDIA GPU computing toolkit cuda v 9.0 lib x64测试tensorflow是否安装成功。导入tensorflow作为tf#初始化Tensorflow的一个常量：Hello Google Tensorflow！字符串，并将greeting命名为计算模块Greeting=TF . constant( Hello Google tensor flow！)#启动会话sess=tf。Session()#使用进程执行问候语计算模块result=sess . run(greeting)print(result)sess . close()

　　测试成功，即已成功安装。