使用Python 做機器學習/深度學習時常使用的Tensorflow
還有分成CPU版本與GPU版本。
常常安裝時容易在小細節碰壁，今天就把安裝過程簡單紀錄。

建立對應的Python版本的虛擬環境

也因為各個tensorflow版本需要搭配的python版本不同，建議在安裝之前，依據所需要的pyhton 版本建立虛擬環境(虛擬環境建立方法)。
先確認tensorflow.org支援對應的版本，
以tensorflow 1.12版為例，所對應的python是3.5-3.6。

安裝Cuda / cuDNN

GPU版本的tensorflow，還需要安裝 nvida Cuda & cnDNN，這部分也是比較容易犯錯的部分。

Cuda(Compute Unified Device Architecture)

NVIDIA所推出的一種整合並行計算框架

Cudnn(CUDA Deep Neural Network library)

NVIDIA打造的針對深度學習網路的加速library

以tensorflow 1.12版為例，所對應的Cuda cuda9.0 / cuDNN7.2+。

下載Cuda要注意下載對應的版本，這次需要的是9.0版，下載後直接安裝後記得重開機。

緊接著是下載cuDNN，注意7.2 fow windows
(20210414更新 : 如果是比較舊的版本會在這裡cuDNN)
下載解壓縮後建議放在C:\Program Files\NVIDIA GPU Computing Toolkit下。

解壓縮後將相關資料夾位置加入PATH環境變數

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin

#(有些版本是libx64有些是lib64 要道對應的資料夾確認)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\CUPTI\libx64 

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include

#(依據剛剛解壓縮的cuDNN資料夾位置)
C:\Program Files\NVIDIA GPU Computing Toolkit\cudnn-10.0-windows10-x64-v7.2 

安裝tensorflow

開啟相對應環境的prompt，利用pip指令就可以快速安裝
tensorflow 2.X 開始CPU和GPU版本用相同套件直接pip對應版本就可以

pip install tensorflow==2.3

tensorflow 1.X 版本CPU與GPU需安裝不同套件

# CPU version
pip install tensorflow==1.X
# GPU version
pip install tensorflow-gpu==1.X