Win/ubuntu16.04+tensorflow_gpu+Anaconda

实验室新买了服务器，so，花了好几天的时间终于把windows下的tensorflow-gpu版本和ubuntu下的tensorflow-gpu版本装好了，先做一下记录，希望以后装的时候能够用到，也希望能帮助到同样电脑配置的同学！！！

福利：一些破解后的系统##

1、win7：https://pan.baidu.com/s/1wfENAZ9_Ruz-pX0neo3pog 密码：bq5l
2、win10：https://pan.baidu.com/s/1Ppf3bUmLOuR4L50QQSRu1Q 密码：ene6
3、ubuntu16.04: https://pan.baidu.com/s/1dpW5xP2WYrECYr0V9oCewg 密码：g6tl

一、windows下的tensorflow配置

1、安装前准备###

先具体说一下电脑环境，win7系统64位，显卡gpu型号titanXP，cuda是9.0，cudnn是9.0对应的8.0，anaconda4.4（python3.6），tensorflow-gpu是1.5版本。
首先我们需要下载需要的安装包
####1.1、下载cuda####
方法一、从官网上下载
点我进入官网：https://developer.nvidia.com/cuda-toolkit-archive
由于目前首页是9.2版本的，所以我给的链接地址是历史版本链接。1、你可以选择，需要的链接；2、选择你要下载的对应的系统；3、选择下载类型，exe【network】，exe【local】。我这里是下载的9.0，win7—64位，exe【local】，如下图所示：
备注：exe【network】需要联网安装，下载的只是引导exe文件；exe【local】是完整安装包。所以建议下载exe【local】。

方法二、从我的百度网盘下载
下载链接：https://pan.baidu.com/s/1JLmOXXpzLHynISIqm_k4pw 密码：z6ac
####1.2、下载cudnn####
方法一、从官网上下载
点我进入官网：https://developer.nvidia.com/rdp/cudnn-download
这是官网的首页，需要先注册一下，然后填个调查问卷就可以了。cudnn的版本一定要和cuda的版本对应好，登进去后，如下图所示：

我下载的是cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0。

方法二、从我的百度网盘下载
因为官网最近好像在维护，进去很卡，所以如果需要一样版本的就从我的网盘下载吧！
下载链接：https://pan.baidu.com/s/1pc8gu66NFbffF2L-QOsHFQ 密码：0xfl
####1.3、下载Anaconda####
方法一、从官网上下载
点我进入官网：https://repo.continuum.io/archive/
这是历史版本的网站，你可以选择对应的版本，我下载的是Anaconda3-4.3.0.1-Windows-x86_64

方法二、从我的百度网盘下载
下载链接：https://pan.baidu.com/s/1oj_I06YFYj7drF65aiM_gw 密码：mvqo

2、安装显卡驱动###

显卡驱动安装。因为之前是没有独立显卡的，新装的独显，因此需要装驱动。如果有的话就不用了，验证方法，开始中输入nvidia，出现如图所示说明已有显卡驱动：

下载地址：http://www.nvidia.cn/download/driverResults.aspx/131469/cn

这个下载完之后直接安装即可。

3、安装Anaconda###

首先找到下载好的anaconda的exe安装文件，双击，一路next就ok了，中间你可以选择一些安装路径，我这个版本的自动配置了环境变量，就是在安装过程中遇到如下图这一步时，两个选项全选即可！

4、在线安装nightly包###

nightly是tesnorflow团队在17年下半年推出的安装模式，适用于全新的环境下安装tensorflow，这个包在安装的过程中会把所需要的依赖库一起装上，比较方便。以管理员方式运行cmd，直接使用如下命令：

pip install tf-nightly

若想安装最新的GPU版本，可以使用如下命令

pip install tf-nightly-gpu

5、安装CUDA###

安装方式类似于anaconda，点击exe文件，一路next即可，中间可以选择安装路径，我这里选择的是默认安装路径和简装版。

6、安装cuDNN###

cuDNN下载后是一个压缩包，所以现将其解压，解压后会得到cuda文件夹，cuda文件夹下有如下图所示的几个子文件夹
现在再找到你刚刚安装的CUDA对应的路径，我的如下图所示：
将刚刚解压后的所有文件，拷贝到CUDA的这个安装路径下，记得不要替换文件夹，选择合并文件夹，或者将解压后的文件夹下的文件拷到对应的CUDA的这个安装路径下bin，include，lib文件夹里。
至此cuDNN就安装完毕了！

7、测试显卡###

7.1、使用nvidia-smi命令####

在你的显卡路径下打开cmd，如果是默认位置的话应该是：C:\Program Files\NVIDIA Corporation\NVSMI，否则选择你自己的安装路径。在cmd下输入nvidia-smi后，显示如下，说明安装成功：

上图中第一行是驱动信息，第三行是显卡信息：TITAN X（Pascal），第四第五行是当前显卡的进程。

7.2、查看CUDA的版本####

同样的在cmd中输入如下命令

nvcc -V

显示如下信息，说明安装成功

8、安装tensorflow###

若安装cpu版本，可以使用如下命令

pip install tensorflow

若安装gpu版本，可以使用如下命令

pip install tensorflow-gpu

以上命令都是安装最新版的tensorflow,目前是1.8的，但是一般软件建议使用次高版本的，这样问题较少。我安装的是tensorflow-gpu的1.5版本，所以使用以下命令：

pip install tensorflow-gpu==1.5

注意：因为是在线安装，当网络不好时，会显示安装失败，多重复使用几次命令就好了。还有可能本地已有tensorflow，需要先卸载，使用如下命令：

pip uninstall <安装时的tensorflow名称>

9、测试tensorflow-gpu###

当看到tensorflow安装successful时，万分激动，现在就来测试第一个tensorflow程序吧，打开cmd，输入python，输入如下代码：

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

显示如下：
查看日志信息若包含gpu信息，就是使用了gpu。
其他方法：跑计算量大的代码，通过 nvidia-smi 命令查看gpu的内存使用量。

大功告成！！！！

10、问题处理###

如果遇到问题，
1、首先查看一下自己安装的tensorflow版本和CUDA以及CUdnn版本是否对应。
2、在命令行输入 where MSVCP140.DLL 看看本机是否有MSVCP140.DLL，如果没有可以在官网上在下载安装Visual C++ Redistributable 2015。 点我进入下载官网