windows下TensorFlow-gpu环境搭建

第一部分 开篇提醒

安装时一定要注意版本匹配！一定要注意版本匹配！一定要注意版本匹配！重要的事情说三遍。

另外，安装顺序也很重要，一定要先安装cuda和cudnn，再安装tensorflow包，亲测时，因为安装顺序的问题始终无法运行GPU。

第二部分 安装过程

目前在win7下搭建环境时安装的版本为：
python 3.5 + tensflow-gpu 1.1.0 + cuda 8.0 + cudnn 9.1

cuda安装包 cuda_8.0.61_windows.exe

版本下载链接：https://developer.nvidia.com/cuda-toolkit-archive

cudnn安装包 cudnn-8.0-windows7-x64-v5.1

版本下载链接：https://developer.nvidia.com/rdp/form/cudnn-download-survey

打开Anaconda Prompt
$conda update conda
$conda create -n py35 python=3.5 anaconda
$activate py35
$conda list
$conda install tensorflow-gpu
$conda install keras

第三部分 验证环境

1、测试代码

import tensorflow as tf
print(tf.__version__)

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

a = tf.constant(10) 
b = tf.constant(32)
#print(sess.run(a + b))

# test for gpu #
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)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print(sess.run(c))

2、查看GPU的使用率

nvidia-smi -q -g 0 -d UTILIZATION -l

第四部分 参考文档

http://blog.sina.com.cn/s/blog_14935c5880102wu86.html