深度学习环境配置- win10+Anoconda3-2.4.0+cuda8.0+TensorFlow-GPU+Pycharm2016测试Demo-GPU加速

前言

本来用的是Python2.7，但最近学习需要用到TensorFlow，TensorFlow支持windows，但tensorflow在windows下只支持python 3.5以上

---

Anacoda3-4.2.0安装

Anacoda3-4.2.0 Uses python 3.5下载：
https://repo.continuum.io/archive/Anaconda3-4.2.0-Windows-x86_64.exe

下载之后直接点击.exe文件安装即可，安装时注意勾选将Anacoda和python3.5添加到环境变量

安装完成后

Path中会自动添加：

此时conda和pip也添加到系统变量中了，可以直接使用命令（因为conda和pip在Scripts下）。

---

cuda8.0安装

cuda8.0

下载:https://developer.nvidia.com/cuda-downloads

下载下来后就正常安装就可以了。

cuDnn5.1

cuDnn库下载：https://developer.nvidia.com/rdp/cudnn-download

注意要对应你下载的cuda版本

下载后解压：

把文件对应放到cuda安装目录下的对应文件：

配置环境变量到PATH下

---

安装TensorFlow

查看是否切换到python3.5 工作环境

python --version

查看当前可按照TensorFlow版本

anaconda search -t conda tensorflow

使用pip安装tensorflow

pip3 install tensorflow-gpu

运行测试：（出错）

网上看了很多教程 说估计是TensorFlow与cuda版本不匹配

conda list查看了一下，装的是TensorFlow1.5

于是决定装个低版本试试

#卸载1.5版本
pip3 uninstall tensorflow-gpu

安装1.3

pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

---

Pycharm配置Anoconda3

创建程序：

#coding=utf-8
# @Author: yangenneng
# @Time: 2018-02-05 18:23
# @Abstract：测试tensorflow导入情况

# 引入 tensorflow 模块

import tensorflow as tf


#官方教程代码测试：
#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print(sess.run(c))

---

用上GPU了

测试MNIST手写数字识别程序在GPU下执行：
程序：http://blog.csdn.net/yen_csdn/article/details/79268446

速度确实快了很多