win10安装GPU版TensorFlow

学习中要用到TensorFlow了，花了一些功夫装上了，期间在网上获得了很多同仁的教程的帮助，本着本着共同学习、方便他人的想法，我把我整理的安装过程也写在这里，希望能对读者有些许助益。

系统：win10
TensorFlow版本：1.14.0
CUDA版本：cuda_10.0.130_411.31_win10
cudnn版本：cudnn-10.0-windows10-x64-v7.6.1.34
Anaconda版本：（Anaconda的版本没有影响，在这里我用的之前安装的python3.7版本的）

〇、写在前面

只有NVIDIA显卡才支持用GPU跑TensorFlow。可以在https://developer.nvidia.com/cuda-gpus查询GPU是否支持CUDA，不支持CUDA的显卡是无法使用TensorFlow-GPU版本的，这一般需要显卡计算能力在3.0以上才适合。

一、Anaconda安装

官网https://www.anaconda.com/

Anaconda是一个可以在Linux，Windows和Mac OS X上执行Python / R语言的包管理工具，他可以针对某个应用搭建一个专门的环境（导入生成一个包的集合），Anaconda可以

• 快速下载1,500多个Python / R数据科学包
• 使用Conda管理库，依赖项和环境
• 使用scikit-learn，TensorFlow和Theano开发和训练机器学习和深度学习模型
• 使用Dask，NumPy，pandas和Numba分析具有可伸缩性和性能的数据
• 使用Matplotlib，Bokeh，Datashader和Holoviews可视化结果

下载地址：https://www.anaconda.com/distribution/#download-section

安装完成后在Windows菜单栏找到Anaconda Prompt的可执行程序，点击打开弹出控制台操作页面。

几个常见的操作命令如下：

命令	作用
python	查看python版本
conda info --envs	查看当前创建的环境都有哪些
conda create -n 环境名	创建环境
conda create -n 环境名 python=版本号	创建环境的同时指定python版本
conda activate 环境名	进入环境
conda deactivate	退出当前环境
conda install 包名	安装某个包
pip install 包名	安装某个包
conda list	在进入一个环境后使用该命令，可以查看该环境中装了那些包

二、安装TensorFlow

官网：https://www.tensorflow.org/

TensorFlow是谷歌大脑的第二代机器学习系统。

从0.8.0版本（发布于2016年4月）开始本地的支持分布式运行。

从0.9.0版本（发布于2016年6月）开始支持iOS。

从0.12.0版本（发布于2016年12月）开始支持Windows系统。该移植代码主要由微软贡献。

1.0.0版本发布于2017年2月11日。虽然参考实现运行在单台设备，TensorFlow可以运行在多个CPU和GPU（和可选的CUDA扩展和图形处理器通用计算的SYCL扩展）。目前TensorFlow可用于64位Linux、macOS和Windows，以及移动计算平台，包括Android和iOS。

TensorFlow 有cpu和 gpu两个版本：gpu版本需要英伟达CUDA 和 cuDNN 的支持，cpu版本不需要，GPU版本的优势主要是因为GPU以并行的方式处理数据，在进行深度学习时可以明显的减少数据处理的时间；本文主要安装gpu版本。

在上一步打开Anaconda Prompt的控制台之后

（1）键入命令

conda create -n tensorflow python=3.7

创建一个基于python3.7名为tensorflow的环境，需要等一会儿。

（2）键入命令

activate tensorflow

进入该环境下。

（3）键入以下命令安装TensorFlow

pip install --upgrade --ignore-installed tensorflow-gpu

也可以指定TensorFlow的版本号，命令如下

pip install --upgrade --ignore-installed tensorflow-gpu==1.14.0	

等一会后，tensorflow 就安装好了。

我安装的是（20190707）默认版本（1.14.0）

三、安装CUDA

注意：！！！TensorFlow与CUDA需要版本对应才能成功运行！！！可以在TensorFlow的官网下（https://www.tensorflow.org/install/source_windows#gpu）找到进过官方测试的版本的对应表

我这里安装的1.14.0版本在表中并没有，导致我还走了个弯路，我先安装了最新的CUDA10.1，结果在测试的时候出错，提示要用10.0版本的，，，经过笔者测试，CUDA10.0版本与TensorFlow1.14.0对应是可用的。

CUDA最新版本下载地址：https://developer.nvidia.com/cuda-downloads

我从这里下载了10.0版本的：https://developer.nvidia.com/cuda-10.0-download-archive

下载下来的是一个.exe的可执行文件，运行安装即可，建议使用默认的安装地址，查资料时其他人有说改变了安装地址会出错的，笔者没有进行测试。笔者猜测应该是环境变量的问题，曾经看到有写配置CUDA环境变量的说法（https://blog.csdn.net/ytusdc/article/details/80252442），但是这里直接用默认地址，安装完成后即可使用。

有些教程说安装进行到“选项”一项时选择自定义安装，自定义项目可以在https://blog.csdn.net/xiaohuihui1994/article/details/83589701中找到。我嫌麻烦就一路默认安装了，反正磁盘空间有的是~

安装完成后可以测试一下，打开命令行键入

nvcc -V

出现如下反馈即为安装成功，如果不成功可以尝试配置环境变量（https://zhuanlan.zhihu.com/p/37086409）。

四、安装cudnn

注意：！！！要安装跟CUDA对应版本的cudnn！！！，这个只要在下载的额时候选择对版本就可以了。

下载地址：https://developer.nvidia.com/rdp/cudnn-download

会提示：

您请求的文件或页面需要NVIDIA开发人员计划的会员资格。要获得访问权限，请登录或加入计划。谢谢。

只需要登录就可以了。

勾选 I agree~~~在这里插入图片描述

选择你需要的对应版本
下载下来是个压缩文件，解压，把bin，include，lib\x64里面的文件(共三个)分别拷贝（注意是拷贝文件，不是覆盖文件夹）到你CUDA的安装目录中的对应文件夹下，默认目录为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

五、测试一下

按第二节的内容，进入tensorflow环境中，键入

python

进入python的编译环境
依次键入以下命令

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

可以看到已经成功了，能在反馈中看到你的显卡信息，定义的函数可以运行。