深度学习软件VS17+CUDA9.2+cudnn7.1+Anacoda5.2+Tensorflow1.10

痛苦了三天，才完全搞好，难a！！！

记录一下。

真的想说很多教程都是垃圾！！！！！！！！！！！！！！！！！！

•   深度学习需要安装软件内容

·VS2017

·CUDA9.2 

·cuDNN7.1 

·Anacoda5.2 

·Python3.6.6

·Tensorflow1.10

 

电脑配置：我的电脑是联想小新air14 ，显卡MX150.

版本支持

版本 Python 版本 编译器 编译工具 cuDNN CUDA

tensorflow_gpu-2.0.0-alpha0 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4.1以及更高版本 CUDA 10.0 (需要 410.x 或更高版本)

tensorflow_gpu-1.13.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4 10.0

tensorflow_gpu-1.12.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9

tensorflow_gpu-1.11.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9

tensorflow_gpu-1.10.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9

tensorflow_gpu-1.9.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.11.0 7 9

tensorflow_gpu-1.8.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.10.0 7 9

 

 

 

VS2017的安装

安装VS的时候安装python3.6.6

安装VS的时候安装Anaconda3 64位 5.2.0版本

Python和anacoda是VS安装的，安装的路径在：

C:\Program Files (x86)\Microsoft Visual Studio\Shared

分别在

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Python36_64

 

可能现在大伙都已经开始使用VS2019进行开发了。VS2019的下载使用也都很简单。由于工作需要，今天要在笔记本上安装VS2017,结果发现，VS2017的下载变得不是那么容易了，官方的下载方式也隐藏的很深，来来回回折腾了好一会才下载下来，因此记录一下，防止大家也采坑。

原文地址：https://www.cnblogs.com/yilezhu/p/10857134.html

 

CUDA9.2

CUDNNhttps://developer.nvidia.com/rdp/cudnn-download

 

教程：

https://blog.csdn.net/weixin_42359147/article/details/80622306

 

主要教程：

https://blog.csdn.net/wwtor/article/details/80603296

Win10 64 位Tensorflow-gpu安装（VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5）

 

 

 

配置CUDA环境变量

！！！！！！！！！！！！！！！！！！！！！！！！

上面教程能安装好cuda，但并不能配置好cuda，配置环境变量，需要参考

https://blog.csdn.net/u010618587/article/details/82940528

证明cuda9.2和cudnn7.1.4安装成功√√√√√

 

 

解决VS2017里面应用cuda的问题。

使用VS2017 测试CUDA9.0,报错:

问题:Error C1189 #error: -- unsupported Microsoft Visual Studio version! Only the versions 2012, 2013, 2015 and 2017 are supported!

翻墙得到的解决方法(亲测有效):

"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\crt\host_config.h"(路径不是绝对的,这是你安装时自己选的路径.忘记了就搜索下),然后

修改前代码:#if _MSC_VER < 1600 || _MSC_VER > 1910

修改后代码:#if _MSC_VER < 1600 || _MSC_VER > 1999

证明VS17也哦可了！！！！√√√√√

 

VS17新建cuda9.2项目参见

https://www.cnblogs.com/wayne793377164/p/8185404.html

可靠√√√√√

 

Anaconda5.2的配置

安装路径：C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\

PATH里面添加环境变量

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\Library\bin

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64\Scripts

C:\Program Files (x86)\Microsoft Visual Studio\Shared\Anaconda3_64

打开命令提示符（按住田字键和R键）输入cmd,输入conda和python，检测是否安装成功

安装成功了√√√√√

 

 

 

 

强制升级PIP

 一、问题：

       之前python3.6是安装的pip版本为：pip=9.0.1，我按照提示升级报错，一直装不上pip18.0，于是直接在site-package目录下删掉了pip-9.0.1的文件夹，然后再执行pip安装其他包的时候就会报错，如下图： 

       二、解决方案：强制重新安装pip3

           cmd下，输入如下命令：          

           curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py

           python get-pip.py --force-reinstall

       三、验证安装

           pip show pip

方法2可行，已验证√√√√

 

 

参考教程，最后安装的是tensorflow1.10

https://www.cnblogs.com/gaoyq/p/10268442.html

安装成功显示：

      Successfully uninstalled tensorflow-gpu-1.8.0

Successfully installed numpy-1.14.5 setuptools-39.1.0 tensorboard-1.10.0 tensorflow-gpu-1.10.0 werkzeug-0.15.

测试：

输入python

输入以下代码

import tensorflow as tf

hello = tf.constant('hello, tf!')

sess = tf.Session()

 print(sess.run(hello))

打印信息：

C:\Users\sky\Downloads>python

Python 3.6.6 (v3.6.6:4cf1f54eb7, Jun 27 2018, 03:37:03) [MSC v.1900 64 bit (AMD64)] on win32

Type "help", "copyright", "credits" or "license" for more information.

>>> import tensorflow as tf

>>> hello = tf.constant('hello, tf!')

>>> sess = tf.Session()

2019-07-29 11:53:13.410758: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1405] Found device 0 with properties:

name: GeForce MX150 major: 6 minor: 1 memoryClockRate(GHz): 1.5315

pciBusID: 0000:01:00.0

totalMemory: 2.00GiB freeMemory: 1.62GiB

2019-07-29 11:53:13.418768: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1484] Adding visible gpu devices: 0

2019-07-29 11:55:43.899800: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:

2019-07-29 11:57:44.246628: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971]      0

2019-07-29 11:57:44.254993: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:984] 0:   N

2019-07-29 11:57:45.075218: I c:\users\user\source\repos\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1097] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1381 MB memory) -> physical GPU (device: 0, name: GeForce MX150, pci bus id: 0000:01:00.0, compute capability: 6.1)

>>> print(sess.run(hello))

b'hello, tf!'

>>>

方法可行，已验证√√√√