window10安装tensorflow-gpu

亲测有效的方案

设备信息（台式机）

显卡:1660ti

内存：32G

CUDA 版本：cuda_9.0.176_win10.exe

cuDNN 版本：cudnn-9.0-windows10-x64-v7.6.0.64.zip

python环境： python 3.6

tensorflow版本：tensorflow-gpu==1.5.0

keras版本：keras-2.1.4

1.查看你的显卡是否支持GPU  

点击查看显卡是否支持GPU

2.安装python环境和tensorflow-gpu

2.1安装 anaconda

2.2安装虚拟环境

conda create -n tensorflow pip python=3.6

 2.3 启动虚拟环境

activate tensorflow

2.4 安装 tensorflow-gpu

pip install --ignore-installed --upgrade tensorflow-gpu==1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

3.安装CUDA ToolKit +cuDNN

3.1 第一步要查看要安装的CUDA + cuDNN版本

因为大家要安的tensoflow版本不一样，所以对应的CUDA 和cuDNN版本也就不一样，所以一定要对应上，否则就会报错。可以点击查看你所要安装的tensorflow所对应的版本cuDNN和CUDA版本。

3.2 第二步下载CUDA + cuDNN

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

下载好cuda_9.0.176_win10.exe 后，我们开始下载 cudnn-9.0-windows10-x64-v7.6.0.64.zip，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册，完全免费的。登陆账号之后才可以继续下载。cuDNN历史版本在该网址下载网址：https://developer.nvidia.com/rdp/cudnn-archive

下载之后，下面进行安装。

注意：最重要的一步，先卸载原有的显卡的驱动。

CUDA Toolkit需要在指定版本显卡驱动环境下才能使用，如果已经安装了nvidia显卡驱动，再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法使用。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以一定要删除电脑先前的显卡驱动。

大家可以在左下角的 小娜 中搜索，NVIDIA GeFore Experience(我安装的驱动是这个，具体还要看你自己的驱动名称，一定要找好了，别删错了)，找到之后，卸载掉就可以安装CUDA Toolkit了。建议先把自己原来的驱动型号先记下来，万一出什么问题，还可以补救。

先安装CUDA Toolkit,安装路径默认就可以了，但是要记住这个路径，一会还有用。接下来就是安装了，在安装选项时，选择自定义，然后在自定义安装选项中，勾选所有的安装项，然后就可以了。

接下来将cudnn的那个压缩包解压，里面有三个文件夹，直接复制到CUDA的根目录下就可以，例如这个路径下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，然后进行环境变量配置。记住：要改成你自己的路径，否则系统是找不到。下面是配置的路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

到这里安装步骤已经全部完成，下面就可以开始愉快的测试了。

上面是自己机器还有GPU的信息，出现的最后一句：‘/device：GPU：0’ 则说明安装成功了。

4.安装keras

pip install keras==2.1.4

这就是安装tensorflow-gpu和keras的全部过程，感觉有用点个赞。