【GPU】win10 (1050Ti)+anaconda3+python3.6+CUDA10.0+tensorflow-gpu2.1.0

环境: win10 + 显卡 1050Ti （ Visial Studio2017这里有个坑，后面补）

版本： anaconda3 + python3.6

版本：CUDA10.0 + cudnn7.6.4 + tensorflow-gpu2.1.0

工作台：Visial Studio Code(可选)

全文：📌 标记为主！！！！

1.换源

📌为了速度，必须做。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2.新建python3.6环境

我的环境是python3.7，tensorflow-gpu不支持的，
📌需要在anaconda新建一个python3.6环境：tensorflow

双环境切换运行： （了解）

1. 主菜单启动：
   
   默认是base系统，切换为虚拟环境：（这条命令必须记住）

   activate tensorflow
   

   

2. anaconda面板启动虚拟环境：
   

3. 退出：deactivate
   
   不同环境下，pip和conda安装是不一样的，特别注意。

3.安装gpu-2.1.0

我尝试用anaconda自动安装gpu，会安装一些相关配置；（失败的，不用做这一步）

然而安装后的版本都是低版本，失败！

查看已安装：
cuda和cudnn、tensorflow-gpu是1.1.0版本，肯定是不对的



安装命令参考：（版本号，很慢，舍去这种方法，不用做）

pip install tensorflow-gpu==your_version

用清华源安装之前，切记要换源：

📌从清华源，默认是安装tensorflow-gpu高版本2.1.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu --upgrade

这里相关的库也更新了：

测试（果然失败）：


原因：CUDA版本与Tensorflow版本冲突。

4.安装cuda-10.0

这里强调：cuda版本和cudnn版本对应很重要！参考版本对应

我的显卡是GeForce GTX 1050Ti，显卡的计算能力（compute capability）是6.1，
最终选择的是：tensorflow-gpu2.1.0+CUDA10.0+cudnn7.6.4

📌cudnn和cuda版本没有更新，下载更新（这里是cuda10版本百度云盘下载链接）

https://pan.baidu.com/s/18GKChf9s4GRYa-KF_ej9rg ,好人一生平安！

流程：

1. 安装cuda.exe (win10下需安装Visual Studio，我之前安装了2017)
2. 解压cudnn压缩包获得补丁
   
3. 将补丁替换cuda安装目录

为了方便我以后查看，这里具体记录一下：

1. 📌安装（这只是一个临时文件夹，安装完成后会自动删除掉，不用在意）
   
   📌无脑next：（精简安装（会自动配置环境变量）、中间会让你确定是否安装、最后重启ok！）
   
   下载的时候，特别慢，耐心等待。
   
   总算是下载成功了，因为是默认安装，会安装visiual studio 等工具，
   
   📌中间确定安装NAIDIA：（会提示重启才能安装）
   
   会提示环境变量的路径（在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）,这里Visual Studio 也配置了。
   
   安装完成会在桌面配置图标：（双击GeForce Experience安装NVIDIA驱动）
   
   如果没有安装会遇到：
   
   安装成功，后期运行时会显示你的版本：
   
   打开NVIDIA驱动-》帮助-》系统信息-》组件（找到NVCUDA.DLL 可以查看到版本）
   
   📌配置环境变量：
   （可以查看到安装时自动配置路径：）
   
   📌path里需要手动配置一条：

   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
   

   
   📌验证安装：

   nvcc -V
   

   

   cuda10安装完成 !

5.安装cudnn-7.6.4

📌解压之前下载的cudnn压缩包，等到三个文件夹，拖拽复制到cuda路径下：

📌新建cudnn环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

📌cudnn添加到path环境变量

%CUDA_PATH%\lib\x64

cudnn到此安装完成！

6.安装vs2019环境

我又兴致勃勃测试是否安装成功！import tensorflow as tf
依然报错：DLL load failed：找不到指定模块

困扰了我一下午，又是修改 gpu版本，又是修改numpy等环境，无果，但我接近真相了，不能放弃！！！

原因：我系统安装的是vs2017版本，和 tf-gpu 最新版支持 vs2019 不符。

（因为gpu2.1.0版本问题吧）参考于：Tensorflow 2.1.0 安装的坑

📌解决办法：下载vs2019的环境——VC_redist.x64.exe，运行重启。

再次运行：（警告了一下，但忽略了，红红火火恍恍惚惚~）

感人一幕。hello gpu！

7.编辑器（可选）

之前剑走偏锋用eclipse+pydev，再到 jupyter notebook ，深度不好debug；pycharm没打算装，vscode先凑合！

vscode是在Anaconda Navigatior控制面板装的，

装完是第二种样式，也不影响我原先的使用，暂且用着，后面遇到问题再补充！

写了一个test.py

import tensorflow as tf

tf.config.list_physical_devices('GPU')

警告应该是cuda版本10.0，应该要升级到10.1，我还没实践。

接下来就是感受gpu的快乐了！红红火火恍恍惚惚~

如果有用，那就点个赞吧；没用的话，就就就就再找找其他方法，小编已经没有可以奉献的了~

---

其他：

1. 运行时警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

   参考解释：您下载的TensorFlow太low了，根本没有通过兼容AVX来Compile。如果您下载源代码在该电脑上重新compile，就可以支持AVX。其实你的电脑是支持AVX的，只是编译好的TensorFlow不支持。处理参考链接（选做）。

2. 前面cuda101问题（下面是一种教程，不对的）

   参考教程：将cuda\bin路径下的cudart64_100.dll改为101！
   
   同理它说什么名称不对，改过去（安装目录下是100改成10）
   
   然后报错：F tensorflow/stream_executor/cuda/cuda_driver.cc:209] Check failed: err == cudaSuccess || err == cudaErrorInvalidValue Unexpected CUDA error: invalid argument
   事实证明是不对的，我又把cuda改回100了（此部分有待探究）。