V的machine learning（2）--原创win10+anaconda3-5.2.0+cuda8.0/9.0+cudnn7.0安装tensorflow1.4.0/1.10.0

絮叨叨的文章开头，接前面第一篇博客，下载完pytorch以后，博主觉得安装软件抗战路上有了曙光，重来一次后很多操作更加理解和熟悉，还收获了很多前辈及同辈们得支持鼓励，所以不要害怕从头来过，也不用羡慕那些一次成功的小伙伴，每个人都有每个人自己的经历和遇见。分享给有缘看到这篇博客的你：从0——1是很重要的改变。当你安装成功后，请尽情享受一下欣喜，因为你确实很棒，值得鼓励！如果对你有启发或者帮助，博主将不胜荣幸Thanks♪(･ω･)ﾉ

• 第一篇博客指路：V的machine learning（1）–原创 win10+Anaconda3-5.2.0+python3.6.5+pip3安装pytorch1.0-cuda8.0版本

• 正文（终于来了）

• 依然敲黑板：博主版本
  GT940M下anaconda5.2.0+py3.5+cuda8.0+cudnn7.0+tensorflow1.4.0
  GT940M下anaconda5.2.0+py3.6+cuda9.0+cudnn7.0+tensorflow1.10.0
  经过博主此次大胆实验，其实win10下可以保留多个cuda版本，在不同虚拟环境下不会影响，并且系统会自动更新成最新版本的cuda

• 养成良好编程习惯，从我做起( • ̀ω•́ )✧

安装anaconda 请千万住手，好好看一看官网给的配置版本从源代码安装 TensorFlow，磨刀不误砍柴工。确定好想要装cpu还是gpu版本，博主的话，也不知道哪里来的勇气（梁静茹给的？）做人嘛，迎难而上，果断选择gpu版本的。
官网里给出的gpu前提依赖项如下：

所以小伙伴们记得去查看自己电脑的NVIDIA环境，怎么查看指路：深度学习环境搭建：win10+GTX1060 + tensorflow1.5+keras+cuda9.0+cudnn7
（硬广：博主的第一篇博客里也有写，走过路过不要错过）

具体步骤：
1.打开控制面板，搜索nvidia
2.在【帮助】中点选【系统信息】，在弹出的对话框中，选择【组件】
3.看到适合自己的cuda版本

所以博主下载了cuda8.0+cudnn7.0,但是看到其他博主有说这个是driver版本并不是runtime版本的，所以胆子大的小伙伴可以试一试下载cuda9.0版本的！（博主怂了）

• 指路1：Windows10系统下的tensorflow-gpu+CUDA+cuDNN配置
  里面详细描述了怎么选择driver,建议跟指路3结合起来看！

• 指路2：Win10下Tensorflow(GPU版)安装趟坑实录
  里面详细描述了cuda下载过程

• 指路3：我的AI之路(5)–如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本
  里面博主的机子跟我的差不多，深受启发，关于怎么在老旧的gpu上尽可能的更新，说多都是泪。

• 假如你的GPU卡是GeForce序列的，到https://www.geforce.com/drivers按你的机器的GPU卡的类型搜索对应的最新的driver，下载并安装即可，其他序列的去NVIDIA中国网页https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。

• 通过搜索GUP卡的驱动，知道了很古老的GPU卡NVIDIA仍在提供最新的driver更新，这样就保障了我的GeForce940MX这样的古懂卡在升级driver到最新后，也可以自由使用最新的CUDA9.x版本，只要Tensorflow或Caffe支持！这点真是太好了！以前担心我的GPU卡太老导致玩不了比较新的GPU版tensorflow，现在暂时不用担心了！

说的博主也心动去官网下载了driver，期待后续结果，fighting！祝博主好运！
对应cuda9.0的cudnn7.0： cudnn-9.0-windows10-x64-v7密码：u7fg

博主真的心痒难耐，好了伤疤忘了疼 还是下了cuda9.0+cudnn7.0版本的，这里真的又又又踩坑了：

（出坑法宝：指路1+指路3结合食用！）

开始博主兴冲冲的跑去官网搜索最新版本的driver，发现了417.35版本，立马下载，安装

一想到有了最新版本的驱动心里美滋滋（虽然开始考虑了到底下哪一版本的驱动比较好，but还是优先选择了最新版本，本性难改 ）

接着开始安装cuda9.0。选项博主是自定义：去掉Visual Studio Integration和driver component （也就是和VS相关还有自带驱动，都不要）
然后清理C盘空间花了很久时间…
然后…安装失败QAQ（很有可能是忘记关掉杀毒系统了）

反复来了很多次以后，发现把博主之前手动装的最新的驱动也删掉了
博主精疲力尽…最后一次尝试只把Visual Studio Integration的勾选去掉，其他都保留，成功了，重新安装好cuda9.0后发现，驱动已改成了385.54！

• 总结： 因为博主的机子是GT940M（老人机），所以其实不存在要更新driver驱动的问题，因为自带的driver肯定没有cuda9.0 toolkit里面自适应的版本高，老版本的gpu其实只要能下新版cuda就不用考虑去手动安装最新版本drive的问题了，cuda toolkit会自带的

• 注意：提前关掉杀毒系统

  1.省心省力版（自带驱动）：

  直接去官网下载cuda9.0一路默认，然后选择自定义，不要勾选cuda里面vs相关项，就是把Visual Studio Integration的勾选去掉！！另外，一般也不安装GeForce Experience，博主好奇心太旺盛 ，安装发现就是玩电脑游戏时候，会提示最新版本的驱动及时让你安装，仅此而已doge

  2.高端路线版（最新驱动）：（特意询问了指路3的博主，认真脸）

  如果想要安装最新的驱动+cuda9.0（自带的驱动版本低）：先在官网安装好最新驱动后，再点击cuda9.0.exe ，自定义安装下面不选择驱动driver ，不选择GeForce Experience，不选择VS即可
  这里附上博主询问指路3博主的解答：（炒鸡详细了）

• Arnold-FY-Chen回复 V_aaaaaa： 你说的driver是指GPU driver吗？ CUDA toolkit里面其实已经带了GPU driver，安装CUDA时把driver这项也选上就会同时安装GPU driver，不过如果你的机器用的比较新的GPU卡，比如GTX 1070 或1080之类的，那么CUDA9.0里包含的GPU driver可能有点老了，会导致GPU工作不正常，在Linux下可能会导致你登录不了图形界面，Windows下会发生什么我还没遇到不好说，这时可以去NVidia网站下载GTX 10 series的最新的driver安装(Linux下需要在text界面下安装)，GPU即可恢复正常。

• 如果运行tensorflow时报错说：
  CUDA driver version is insufficient for CUDA runtime version :
  这说明你机器上安装的CUDA driver（驱动）版本比刚安装的CUDA toolkit要求的驱动版本低(原因应是安装时没有勾选 driver component 之类的)，
  解决办法是安装CUDA tookit时所用组件全部勾选(除了Visual Studio Integration)，如果还不行，假如你的GPU卡是GeForce序列的，到https://www.geforce.com/drivers按你的机器的GPU卡的类型搜索对应的最新的driver，下载并安装即可，
• 其他序列的去NVIDIA中国网页https://www.nvidia.cn/Download/index.aspx?lang=cn上按卡类型搜索最新的driver安装程序。”

最后记得把cudnn里面三个文件复制黏贴到cuda里面，以及手动添加path路径
（这里博主直接给出后面升级到cuda9.0后的图示）

cuda和cudnn配置好后，打开anaconda prompt

• 冒泡：此处是原先安装tensorflow1.4.0的步骤，（已附上最新cuda9.0环境下的tensorflow1.10.0安装♪(･ω･)ﾉ，小伙伴可以下拉到最后~）

• 先换成清华源！！说多少次都要再次重申，网速真的真的很重要！！！

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

ps:这两步操作之后，不会有显示，所以小伙伴别慌，用conda info 查看一下 channel URLs里面是否添加了清华源

• 在anaconda里面创建虚拟环境

受到指导学长的启发，最好不要安装在base环境，而是创建一个专门的tensorflow虚拟环境

conda create --name tensorflow-gpu-py3.5 python=3.5

博主取的名字是tensorflow-gpu-py3.5，让大家见笑了（拱手ヽ(´•ω•`)､）
这里博主创建的是python3.5的环境，3.6直接修改成 python=3.6

检查虚拟环境是否成功创建

conda info --env

ps:*表示当前位于的环境

激活虚拟环境 ： activate +你取的名字

activate tensorflow-gpu-py3.5

这样就进入了虚拟环境中~
退出指令：

 deactivate

• 再次强调，先升级pip！！不然会让你哭着再来升级一次的QAQ

python -m pip install --upgrade pip

• 检查当前cuda版本，一定要谨慎谨慎再谨慎（过来人信我）

nvcc  -V

可以看到这里显示的cuda8.0，一切顺利ovo~
恭喜小伙伴，接下来可以放心大胆的安装tensorflow啦

• 安装对应cuda版本的tensorflow

这里博主又不小心踩了一个坑，很多博客上都是直接输入命令：

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

注意，此命令安装的是最新版本的tensorflow，博主之前没注意，直接下了1.12.0版本，后来在import tensorflow as tf 时候立马翻车，哎…

所以，要安装具体某个版本的指令是：（其他版本修改“==”后面数字即可）

pip install tensorflow-gpu==1.4.0

清华源不会让你等很久的（拍胸脯），安装好后，最终测试。

• 测试

先进入python环境，会显示安装的python版本
然后输入指令，一条条输入比较好，注意： 这里的__ 是两次_

import tensorflow as tf
print(tf.__version__)  

显示1.4.0 嘻嘻｡◕◡◕｡)ﾉ，然后一口气找了很多其他测试例子：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')  #初始化一个TensorFlow的常量
sess = tf.Session()  #启动一个会话
print(sess.run(hello))  

参考博客Windows10下用Anaconda3安装TensorFlow教程 里面说，这句话的意思是

cpu计算能力不足

（抱歉，博主我大写的尴尬，请无视-_-||）

• 计算能力测试

import tensorflow as tf
print(tf.__version__)
a=tf.constant([1.0,2.0,3.0],shape=[1,3],name='a')
b=tf.constant([4.0,5.0,6.0],shape=[1,3],name='b')
c=tf.add(a,b)
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))

print(sess.run(c))

这里红框框起来的是关于总内存2G和当前可用内存1.66G，并且显示了博主的gpu名称GeForce 940M

这里红框框起来的是a,b几个节点的情况
以上解释参考：Windows10系统下的tensorflow-gpu+CUDA+cuDNN配置
有没有很眼熟的感觉，没错，还是这个帖子，真的给了博主很大的帮助！感谢ovo！

• 显存就是2GB，可用的1.61GB。好开心啊，然后还有graph的节点说明（tensorflow中的概念，不懂自行百度啊朋友），Add,a,b计算就发生在GPU中，最后结果输出不出所料的正确，哈哈哈。然后还进程完成，退出码返回0，没毛病啊！！！如果你也到这一步了，看到结果静静的朝你微笑了，恭喜你，你就可以开启GPU之路的第一步啦。
• 虽然我是用我的硬件作为例子来逐步配置的，但是想要配置tensorflow-gpu,或者安装CUDA，配置cuDNN，配置CUDA的环境变量的朋友们都可以借鉴。过程都是一个流程，只是使用的库版本需要根据自己情况来适当调整而已。

--------------------------------------------以上是之前cuda8.0环境下---------------------

• cuda9.0+cudnn7.0安装tensorflow1.10.0

博主安装好cuda9.0根据tensorflow官网给出的对照表在Windows上从源代码构建，选择了tensorflow1.10.0版本，博主又又又来啦！

快跟着博主一起念咒语：

1.配置网络

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2.创建环境

（尝试一下3.6.6环境，妹有看错，博主的取名就是tensorflow1.10-gpu-py3.6）

conda create --name tensorflow1.10-gpu-py3.6 python=3.6.6

3.激活环境

activate tensorflow1.10-gpu-py3.6

4.升级pip

python -m pip install --upgrade pip

5.python版本确认

python --version

6.cuda版本确认

nvcc  -V

可以看到，安装了cuda9.0后，原先python3.5环境下的tensorflow1.4.0的cuda也是9.0了

这个是之前cuda8.0时候，对比一下~

7.tensorflow安装

（ps:不写明哪个版本会自动安装最新的1.12.0）

pip install tensorflow-gpu==1.10.0

以上就成功安装好1.10.0版本啦，看累了的小伙伴可以右上角退出啦_∠(ᐛ」∠)＿

-------------------------------------彩蛋之博主还想记录一下---------------------------------------------

Windows系统使用nvidia命令行方法查看gpu设备是否可用：

指路：Windows系统使用nvidia命令行方法查看gpu设备是否可用

打开cmd，使用cd命令进入：（就是NVIDIA 默认保存的路径）

C:\Program Files\NVIDIA Corporation\NVSMI

直接输入nvidia-smi命令即可

指路里还提到

• 记得开启管理员权限，否则会显示“拒绝访问”

不过博主暂时还没有遇到这个问题~

• 没有程序运行时：
  

• 有程序运行时：
  

测试——每次到这里都内心忐忑

不要忘了先进入python环境，嗯

• 查看一下tensorflow的版本

import tensorflow as tf
print(tf.__version__) 

• 简单计算

a=tf.constant([1.0,2.0,3.0],shape=[1,3],name='a')
b=tf.constant([4.0,5.0,6.0],shape=[1,3],name='b')
c=tf.add(a,b)
sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

• 测试结果

至此，tensorflow1.10.0安装成功~ 博主只想伸个懒腰٩(๑>◡<๑)۶

----------------------------------------彩蛋之啊，怎么还没有结束(ಥ_ಥ)--------------------------

关于在Anaconda自带的iPython和Spyder以及jupyter notebook中导入tensorflow

（以博主最先安装的1.4.0版本为例）

指路：Windows10下用Anaconda3安装TensorFlow教程

• 方法1：

  需要在TensorFlow环境下安装这些插件。
  打开Anaconda Navigator—>Environments—tensorflow-gpu-py3.5，选择Not installed，找到iPython和Spyder以及jupyter并安装。

iPython

Spyder

jupyter

安装好三个插件后，我们用例子分别来运行试试
（都要事先activate tensorflow的虚拟环境来启动tensorflow）

ipython:

Spyder:


jupyter notebook:

• 方法2：（同样是先activate tensorflow环境，清华源下飞速ovo）

conda install ipython/spyder/jupyter notebook

• 方法3：
  当然还有种更直接的方法由于直接tensorflow安装了三个插件，直接去菜单找到下面框选的，选一个用就行了，效果一样就不在赘述：
  如果选的是没框选的，是无法启动TensorFlow的，这点要格外注意。
  

------------------------------真的结束了( • ̀ω•́ )✧---------------------------------------

V的machine learning（1）–原创 win10+Anaconda3-5.2.0+python3.6.5+pip3安装pytorch1.0-cuda8.0版本