代码收藏家 tensorflow的卸载与重装
1、卸载tensorflow、python、CUDA、CUDNN
卸载tensorflow:
Win+打开Anaconda Prompt（anaconda3）+
输入：conda –version
conda info –envs
找到tensorflow安装包，删除即可
卸载Python：
设置–>应用–>应用和功能–>python3.9.0–>卸载
找到Python3.9.0，卸载
检查是否卸载成功：cmd中输入Python，显示如下：
Python Launcher也可以一起卸载，也可以不卸载。
【python launcher是用于Windows中的一个实用程序，可帮助定位和执行不同版本的Python解释器。】
卸载CUDA
参考：https://blog.csdn.net/m0_59705760/article/details/125744664
Win+输入控制面板，打开控制面板+程序+程序和功能
上图标红的不不要卸载，其他育NVIDIA有关的均可卸载
最后，再用电脑管家，把注册表删除掉
卸载CUDNN
删除，复制到CUDA下的文件
2、重装tensorflow：tensorflow、CUDA、CUDNN版本匹配
首先，检查tensorflow、CUDA、CUDNN版本，然后到官网去下载。
CUDANN7.2版本下载没了，官网没有file，CUDA9.0又下载下来是运行不了
同时，Tensorflow1.13.0也找不到！！！
现在尝试TensorFlow+1.14.0+CUDA10.0+CUDANN7.4.1
Tensorflow下载网址：
https://pypi.org/project/tensorflow-gpu/1.14.0/#files
CUDA下载网址：https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载网址：
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
python官网：https://www.python.org/
3、安装python、CUDA、CUDNN
**首先，**安装，python，下载python3.6.8，点击下图中的Windows x86-64 executable installer，下载
下载tensorflow_gpu-1.14.0-cp36-cp36m-win_adm64.whl
安装python时报错Error writing to file:…Verify that you have access to that directory.：【没利用管理员的身份进行安装】
参考：https://blog.csdn.net/weixin_49237144/article/details/122915089
是因为在这一步，没有勾选下面两个
**接着，**是安装CUDA、CUDA环境配置，安装CUDNN和搭建tensorflow环境。
安装CUDA、CUDNN、配置CUDA环境请参考博客：https://blog.csdn.net/qq_45342639/article/details/129494067?spm=1001.2014.3001.5502
4、配置tensorflow环境
安装好python、CUDA、CUDNN后，配置tensorflow环境：
首先，打开anaconda Prompt,输入：conda create -n 虚线环境名 pytho版本
接着，输入y
然后输入：
激活环境：activate tensorflow-gpu
退出到从官网下载的tensorflow存放目录下，并输入：
pip install tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl
此时报错：Could not find a version that satisfies the requirement grpcio>=1.8.6(from tensorflow-gpu==1.14.0(from version:)
改正：
输入：python -m pip install –upgrade pip
继续安装，输入：
pip install tensorflow_gpu-1.14.0-cp36-cp36m-win_amd64.whl
安装成功：
测试是否成功1：
python
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant(‘hello’)
sess = tf.compat.v1.Session()
print(sess.run(hello))
可用，返回，b’hello’
测试是否成功2：
gpu是否可用:输入tf.test.is_gpu_avaolable(),可用返回True
Pycharm中TensorFlow-GPU的搭建,请参考博客：https://blog.csdn.net/qq_45342639/article/details/129494067?spm=1001.2014.3001.5502
