Win10下Tensorflow-gpu安装攻略：
（从什么都没有 到 可以在pycharm中运行包含tensorflow的代码）
本文写于2018/08/07 安装日期大概是两到三周以前，大家可以参考这个时间来判断是否适合自己的需求.
目录
第一步：
安装pycharm。
请从JetBrain官网下载
http://www.jetbrains.com/pycharm/
想下载的话要先注册JetBrain账号，如果有edu教育类邮箱等特殊邮箱账户的话即可免费获取。下载安装最新的即可，没有版本要求的限制。
还是希望大家支持正版，不推荐安装盗版。
第二步：
安装Anaconda（关于python各种库文件安装的强大工具包）
如果先前没有安装过python的话下载Anaconda会自动安装python。笔者是直接用Anaconda安装的python，不知道先前安装过python的话再安装Anaconda会不会还需要配置更改些什么，还是建议先卸载原有python后再安装Anaconda。下载网址：https://www.anaconda.com/download/
根据自己的需求下载相应版本
操作系统（默认已经选中了windows）、python版本（没有特殊需求的话建议下载Python 3.6）、和电脑位数（笔者电脑64位）进行下载。所以笔者选择了画红线的选项（一般windows用户就选这个即可，电脑也应该都是64位的）
若下载速度过慢，可选择以下网址（越往下版本越新）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载完成以后进行安装。
安装中的注意事项:
- 第一，安装路径请选择不带中文、不带空格的路径。
- 第二，当安装到如下步骤时，请同时勾选两个选项（没错，即使它红字警告了也要勾选，因为它警告的内容，一般没有特殊需要的人是不用在意的），勾选第一个选项后，Anaconda的相关参数就会自动被配置在环境变量中，这样像pycharm之类的软件就能成功调用Anaconda的python解释器和其中的库文件。
- 另外，之前笔者查过很多教程，有的说只勾选原本的选项，有的说应该都选上。经过几次折腾和笔者惨痛教训证明，就是应该都选上，请大家放心。
第三步：
安装tensorflow-gpu
打开cmd或者Anaconda Prompt，输入python，若成功显示python版本则python安装成功，
输入conda list可以显示当前已经安装的库都有哪些
如果GPU是NVIDIA的，就可以安装GPU版本的TensorFlow：
因为要下载Tensorflow，所以先在Anaconda的配置文件中添加清华镜像库，这样下载和更新的速度会快很多，命令：
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config –set show_channel_urls yes
直接使用pip命令安装tensorflow-gpu （虽然可以用Anaconda的conda install xxx 命令安装，但笔者还是选择了使用最常用的pip，也不需要使用pip3，pip就行）
命令：
pip install tensorflow-gpu
第四步：
安装CUDA(9.0)
由于是安装的tensorflow的gpu版本，所以相比起安装cpu版本，还需要额外下载两个组件：CUDA这个软件和cuDNN这个包含了一些重要文件的文件包
注意：这里就有一个很重要的问题，那就是CUDA、cuDNN和tensorflow-gpu的版本要适配。CUDA和cuDNN的版本必须是一致的，比如CUDA安装了9.0版本的，cuDNN也必须下载那个9.0对应版本的。
至于它们和tensorflow-gpu的关系是这样的： 笔者安装的是最新的1.9.0版本的tensorflow-gpu，而最新的CUDA/cuDNN已经到了9.2版本，而目前为止，这个版本是不能和1.9.0版本（以及其他版本）的tensorflow-gpu兼容的，所以一定要下9.0或者更早的（推荐就下9.0）版本的CUDA/cuDNN。
像在百度直接搜cuda，第一个推送的就是9.2版本的：
而这个版本不能用，所以应该搜9.0版本的，如下图：
第一个就是9.0版本的下载网址，网址如下：
点进页面：
按红线和红圈选择到这个1.4G的文件进行下载。下载后正常安装即可。
配置系统环境变量
在下方系统变量中的CUDA_PATH路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0, 需要在CUDA_PATH中加上C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin和
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64这两个路径。(大家CUDA的安装路径如果不同的话，就根据自己的路径调整即可，总之是要加上bin和lib\x64这两个路径)
第五步：
下载cuDNN
网址：
https://developer.nvidia.com/rdp/cudnn-archive
点进网址后：
可以看到，每行最右写着 “for CUDA 版本号”，由于之前选择安装了CUDA9.0，所以要安装能够适配CUDA9.0的cuDNN文件。（第二行虽然也写着for CUDA9.0，但点开发现是Linux版本的，所以选择了后面的Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0，这个点开以后里面有win10版本，如图）
下拉后：
点击进去后，先要注册，然后再回答一些无伤大雅的调查问题（比如下这个cuDNN是为了干啥，问你研究领域是啥之类的）后，即可正式开始下载。
下载完成后，解压下载的cuDNN安装包，将cuDNN当中cuda文件夹下bin、include、lib三个文件夹下的文件分别拷贝到CUDA对应的文件夹下面即可。 以下是来自他人的cuDNN for CUDA8.0和CUDA8.0的文件夹图示，但cuDNN for CUDA9.0和CUDA9.0也是一样的。因为文件夹名字的版本号虽然不同，可目录结构是一模一样的
第六步：
测试
在pycharm中建立一个py文件，运行以下命令（来自tensorflow官方文档）：
import tensorflow as tf
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)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
输出类似如下结果（该运行结果中还会显示tensorflow调用的是cpu还是gpu，换言之，就是可以用以上这几行代码来查看自己tensorflow调用的究竟是什么设备，是cpu还是gpu版），没有报错，则说明tensorflow-gpu安装彻底成功：
参考网址：
确定自己的TensorFlow是CPU还是GPU的版本 - CSDN博客：
https://blog.csdn.net/Zlase/article/details/79261348使用Anaconda安装TensorFlow-卫莨-51CTO博客;
http://blog.51cto.com/acevi/2103437tensorflow -GPU 安装的坑 - CSDN博客:
https://blog.csdn.net/akon_wang_hkbu/article/details/78478513Win10 TensorFlow（gpu）安装详解 - CSDN博客:
https://blog.csdn.net/sb19931201/article/details/53648615Windows下安装tensorflow GPU版本报错：OSError: [WinError 126] 找不到指定的模块/Could not find ‘cudart64_90.dll’. - CSDN博客:
https://blog.csdn.net/wobeatit/article/details/79207196CUDA、tensorflow与cuDNN的版本匹配问题 - CSDN博客:
https://blog.csdn.net/MahoneSun/article/details/80809042windows 7 下cuda 9.0 卸载、cuda8.0 安装 - CSDN博客:
https://blog.csdn.net/shuiyuejihua/article/details/78738664
扫一扫
1444
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
