各位老铁们好，相信很多人对卸载tensorflow windows都不是特别的了解，因此呢，今天就来为大家同享下关于卸载tensorflow windows以及Windows下Tensorflow找差点GPU自救的难题姿势，还望可以帮助大家，化解大家的一些困惑，下面一起来看看吧！

一、Windows下Tensorflow找差点GPU自救

在Windows体系下配置Tensorflow GPU版本时，发现Jupyter notebook中无法识别GPU，这难题困扰了我许久。经过一番搜索和尝试，最终发现是由于配置了某软件，自带了Python 2.7版本，且此版本在Path环境变量中优先级较高，导致Tensorflow未能正常识别GPU。

化解方式：卸载该软件，确保体系中仅保留壹个Python版本。可以运用命令`where python`检查体系中存在多少Python版本，确认是否已正确卸载。

若存在多个Python环境，可通过`ipykernel`和`nb_conda_kernels`在Jupyter notebook中选择特定环境。

在某些情况下，即使正确配置了CUDA和cuDNN，以及Tensorflow-gpu版本，重启后依然也许出现找差点GPU的情况。此时，尝试运用`pip install`命令依次从头配置CUDA、cuDNN和Tensorflow，即可化解难题。

对于在Anaconda下配置PyTorch，只需根据个人配置选择合适的`conda install`命令即可完成配置。在配置正确的情况下，也许会遇到配置后报错的情况，但通常只需执行特定命令即可化解。

二、cuda 和 cudnn 库的卸载和配置

当你更新 TensorFlow 2.0到 2.1并需要和之匹配的 GPU加速时，特别是从 CUDA 10.0更新到 10.1，了解怎样检查、卸载和配置 CUDA和 cuDNN是至关重要的。下面内容是详细的流程：

查看版本

在Windows上，通过cmd输入`nvcc-V`或到C:\Program Files

VIDIA GPU Computing Toolkit\CUDA\v10.0\version.txt查看CUDA版本，cudnn库则在C:\Program Files

VIDIA GPU Computing Toolkit\CUDA\v10.0\include\cudnn.h查找CUDNN_MAJOR变量。在Linux中，`nvcc–V`和`cat/usr/local/cuda/version.txt`查看CUDA，`cat/usr/local/cuda/include/cudnn.h| grep CUDNN_MAJOR-A 2`找cudnn。

卸载和配置

具体操作可参考相关教程，如反恐精英DN博客。在Windows上，从官网下载对应版本的CUDA配置包，注意检查驱动标准。Linux则同样从官网下载并按照指示进行配置。

cudnn库配置

从NVIDIA官网下载对应CUDA版本的cuDNN，将其解压到CUDA配置途径，如C:\Program Files

VIDIA GPU Computing Toolkit\CUDA\v10.1，但请确保文件夹名为cudnn，而非cuda。接着在指定途径下确认cudnn64_7.dll库存在。

配置环境变量

在体系环境变量的path中添加CUDA和cuDNN的bin目录，确保下面内容途径都在其中：Windows- C:\Program Files

VIDIA GPU Computing Toolkit\CUDA\v10.1\bin和 C:\Program Files

VIDIA GPU Computing Toolkit\CUDA\v10.1\cudnn\bin。Linux途径则对应你的配置位置。

三、简单记录下卸载重装Anaconda、装PANDAS包及Anaconda笔记

//by Chaos

上周配置pandas包的时候不了解何故把Anaconda的环境搞坏了

今天晚上开始准备修一下，接着就开始发现一些文件后面多了这个~。把另一台PC的文件开始替换，接着发现又有别的难题，又根据报错修，发现少的越来越多。无奈决定重装Anaconda。

先把ENV文件拷出来，接着用自带的卸载程序卸载，重装以后再把虚拟环境拷进去。

教训是，重装是更快的，有难题的时候还是重装吧

Python pandas包用于数据操作和解析，更直观的方法处理标记或关系数据。

基于numpy软件包构建，pandas包括标签，描述性索引，在处理常见数据格式和丢失数据方面相对最牛。

配置 pandas，选择在Anaconda中配置

命令：conda install pandas

pip install pandas

显示结局找差点，报错。

更换中国科技大学源

：pip install pandas-i

显示成功

附录：

附:

豆瓣：

清华：

阿里云

中国科技大学

中国科学技术大学

卸载pandas

pip install-i tensorflow

参考文档

PANDAS

PIP更换国内配置源

重装ANACONDA以后，我觉得我应该稍微写下ANACONDA的进修笔记。

ANACONDA的中文翻译和python差不多

都是蛇，为啥这些语言、环境开发大神都这么爱蟒蛇呢。

这张图就长得很像壹个蟒蛇

Anaconda一个包含超多科学包及其依赖项的发行版本。其包含的科学包包括：conda, numpy, scipy, ipython notebook等。

1）附带数据包：Anaconda附带了一大批常用数据科学包，附带了 conda、Python和超多个科学包及其依赖项。

2）装包容易：直接conda install：管理包Anaconda是在 conda（壹个包管理器和环境管理器）上进步出来的。conda（包管理器）配置和管理这些包很容易，包括配置、卸载和更新包

3）可以管理多个环境:我配置两个Python版本，conda可以为不同的项目建立不同的运行环境。比如不同的pandas版本，不也许同时配置两个 Numpy版本，用conda可以为每个 Numpy版本创建壹个环境，接着项目的对应环境中职业。

Anaconda可以在Windows、macOS、Linux体系平台中配置和运用。

配置方式就是下壹个软件包，傻瓜配置。

若“Anaconda-Navigator”成功启动，则说明真正成功地配置了Anaconda

“Anaconda-Navigator”中已经包含“Jupyter Notebook”、“Jupyterlab”、“Qtconsole”和“Spyder”。

在Anaconda

①进入python36环境

②在当前环境中配置包

conda install<package_name>

conda install pandas在当前python36环境中配置pandas包。

③运用pip配置包

pip install<package_name>

pip可以配置一些conda无法配置的包；conda也可以配置一些pip无法配置的包。因此当运用一种命令无法配置包时，可以尝试用另一种命令。

④conda list/info

→运用场景

查询conda版本、conda下的信息

参考文档

Anaconda官方网站

初学 Python者自学 Anaconda的正确姿势

Anaconda说明、配置及运用教程

心得体会