---

前言

学习随笔，权作记录。

一、tensorflow-cpu指定版本的卸载

>> pip uninstall tensorflow==版本号
例如：
>> pip uninstall tensorflow==2.1.0

二、tensorflow-gpu指定版本的卸载

>> pip uninstall tensorflow==版本号
例如：
>> pip uninstall tensorflow-gpu==2.1.0

三、tensorflow-cpu指定版本的安装

1、创建虚拟环境

打开Anaconda prompt（Anaconda3）

检查当前环境下python的版本

>> python --version

根据python的版本，创建虚拟环境pachong

>> conda create -n pachong python==3.7.4

按“y”，再按回车即可。

输入conda info -e，查看全部的环境，可以看到pachong环境已经创建完成。

>> conda info -e

2、激活虚拟环境

在base环境下输入conda activate pachong，即可进入pachong环境

>> conda activate pachong

3、安装指定版本的tensorflow

讲镜像源切换为清华大学的镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

再输入，等待安装即可。

>> conda install tensorflow=版本号
例如：
>> conda install tensorflow=1.15.0

四、tensorflow-gpu指定版本的安装

首先，根据python版本，确定tensorflow-gpu，cuda和cudnn的版本。

下文以安装tensorflow_gpu-2.1.0为例。

安装CUDA

在我们的具体使用中，其实真正需要的并不是整个CUDA，而是cudatoolkit，所以我们在这里直接安装cudatoolkit
激活虚拟环境conda activate pachong

输入conda conda install cudatoolkit=10.1，安装10.1版本的cudatoolkit。

大概是300MB左右。

安装cuDNN

再pachong环境下，输入conda install cudnn=7.6，安装cudnn的7.6版本。

大概200MB左右。

安装tensorflow_gpu-2.1.0

安装tensorflow使用pip安装，在虚拟环境下输入pip install tensorflow-gpu==2.1.0，即可安装。

测试tensorflow安装成功

进入虚拟环境tensorflow

在虚拟环境下，打开python

在python下输入import tensorflow as tf

在输入tf.test.is_gpu_available()，即可。若最后为True表示GPU可用，证明已经成功安装Tensorflow的GPU版本。

可能遇到的问题

如果安装完成，测试的时候出现如下问题：

解决方案：根据描述的情况将protobuf的版本降到3.19.0以下即可。
具体命令如下：

pip install protobuf==3.19.0

总结

以上就是全部内容，除了换源之外还有类似于直接在命令中加镜像源的下载方式，以及直接下载whl镜像源文件，安装的方式。有兴趣的可以自行搜索。