Windows下用pip安装TensorFlow-GPU

1. 前言

检测结果显示，TensorFlow的代码确实正在利用GPU时，我激动地鼓起了掌。
记录一下本次安装TensorFlow-GPU的历程。不过其中问题不多，就不再记录了。
最终配置：Win10 x64 + NVIDIA GeForce GTX850M + VS2017 + Python 3.6 + CUDA 9.0 + cuDNN 7.3.1 + tensorflow-gpu 1.11.0

2. 准备工作

• 一台Win7以上64位电脑
• 英伟达显卡，我的是NVIDIA GeForce GTX850M（看型号就知道是老笔记本）
• 电脑上已经安装了Python 3.4/3.5/3.6，我的是3.6
• 耐心，这次准备了同学给的一盒百奇
• 提前下载好一些文件：

1. 从官网上搞一个VS2017社区版
2. 更新好NVIDIA显卡驱动
3. 下载CUDA9.0或9.2（我的是9.0，离线包都有一个多G大小），不要下载10.0，TensorFlow貌似还不支持10.0
4. 下载cuDNN对应系统对应版本，需要在官网上注册账户填写一些调查信息
5. tensorflow-gpu等whl文件，可以从文末的扩展下载网站上下载，避免在安装时出现网络问题
6. 可以搞一个Python IDE，我用的是pycharm
7. 应该还需要从微软官网上下载一个vc++ redistributable 2015

3. 方案

3.1. 安装 VS2017

为了安装CUDA，我们需要看一下CUDA的安装指南看它支持哪些系统哪些版本的VS，不过其实安装9.0以后的版本的话VS2017都是可以用的。

安装时要勾选上WIN10 SDK至少一个版本，缺了这个可能CUDA无法编译成功。仅供参考，我也还是不知其所以然，只是按文章照做，但个人感觉如果不需要在VS中使用CUDA的话应该是不需要安装这个的。
管他呢，安了再说。安装的时候注意C盘空间。
安装VS这个航母可是个耗时间的活计，可以先做别的事情去。

3.2. 安装 CUDA9.0 与cuDNN

下载好安装包之后，感觉不需要像看的文章里写的那样自定义安装，直接精简安装即可。至少在我的电脑上这样做是可以的。

• 安装完毕之后，可能需要进行一个修改版本号的操作：打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\crt 中的 host_config.h头文件，将其中 _MSC_VER > 1911 中的 1911 改为 1920或者其他比当前你电脑上的VS版本高的一个数字即可。

安装完毕之后，打开cmd，输入：nvcc -V可以查看CUDA的版本，若出现正确的版本信息，即安装成功。
安装成功后，打开环境变量窗口，可以发现系统变量中多了 CUDA 相关的几个路径。然后还需要添加几个变量：

1. 在用户变量Path下添加：

• C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0

2. 在系统变量中添加：

• CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
• CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
• CUDA_BIN_PATH = %CUDA_PATH%\bin
• CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
• CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

设置完成后，在cmd中输入：set cuda可以查看设置路径。

然后解压下载好的cuDNN压缩包，将其中的文件直接拷贝到cuda的对应目录去。cuda安装目录应该是在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 。

3.3. 安装 TensorFlow-GPU

采用的安装包就是官方文档安装页最下面的whl文件。具体流程依然是按照官方文档来用pip直接安装，可以参考我的上一篇文章：

https://blog.csdn.net/haibinwan1024/article/details/83188058

中的第三部分。（当然，有了这一堆whl文件，梯子什么的滚一边去吧）

• 注意： 最好不用把cpu和gpu版本同时安装。若同时安装了，最好先用pip uninstall tensorflow-gpu将gpu版卸载掉，再用pip uninstall tensorflow把cpu版卸载掉，再重新pip install tensorflow-gpu才行。

3.4. 验证代码是否使用GPU

安装成功的话，至少是可以通过简单的代码显示tensorflow的版本号的。
从文章中找到了一些代码，来进行激动人心的验证。若侵删。

• 代码一：查看电脑CPU和GPU

import os
from tensorflow.python.client import device_lib
os.environ[