Anaconda3-5.3.1+ CUDA10.0 + cudnn7.6.5 + tensorflow-gpu 1.13.1 + torch 1.2.0 + GTX1660

背景

用于跑GAN语义分割的环境搭建。GTX1660.

Anaconda3-5.3.1+ CUDA10.0 + cudnn7.6.5 + tensorflow-gpu 1.13.1 + torch-1.2.0 + torchvision-0.4.0  + GTX1660

从零配置记录：12月12日-14日，折腾三天终于搞定，终于跑起来了。

涉及到的安装包百度云分享：

链接：https://pan.baidu.com/s/1DF6SU0sjlwrTULpcXTsjlQ 
提取码：0q7i 

通过清华源下载Anaconda3-5.3.1：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

路径不选，选了也会标红..即不推荐，区别在于环境变量里没有anaconda，导致cmd中无法使用python命令。

安装CUDA10.0：

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

参考教程：https://blog.csdn.net/sinat_23619409/article/details/84202651

基本上就是找到安装包-下载-以管理员身份安装

安装完在Prompt验证

nvcc -V

注意这俩CUDA不同，但并不影响，其实是因为CUDA 有两种API，分别是 运行时 API 和 驱动API，即所谓的 Runtime API 与 Driver API。
nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号，这里是 11.0。
而nvcc的结果是对应 CUDA Runtime API：

安装cudnn:

去下载：

https://developer.nvidia.com/rdp/cudnn-archive

解压后->把里面三个文件复制到cuda10的安装目录（路径在下下图中）下

下图是加完后的情况：

安装Pycharm以后建立调用Anaconda的编译器（可百度教程）：

Anaconda换北外源可参考：https://blog.csdn.net/weixin_43667077/article/details/108282523

通过pycharm安装tensorflow-gpu：

根据tensorflow和python版本以及Visual Studio的对应关系选择1.3.1

对比网址：https://tensorflow.google.cn/install/source_windows#gpu

配套的会自动在Anaconda环境中安装cudatoolkit和cudann。使用命令查看：

conda list

 

 

安装torch：

下载torch手动版：

https://download.pytorch.org/whl/torch_stable.html

pip install torch-1.2.0-cp37-cp37m-win_amd64.whl

验证：

import torch    # 如正常则静默
a = torch.Tensor([1.])    # 如正常则静默
a.cuda()    # 如正常则返回"tensor([ 1.], device='cuda:0')"
from torch.backends import cudnn # 如正常则静默
cudnn.is_acceptable(a.cuda())    # 如正常则返回 "True"

安装torchvision：

下载手动版

https://download.pytorch.org/whl/torch_stable.html

pip install torchvision-0.4.0-cp37-cp37m-win_amd64.whl

安装cv2：

conda install -c menpo opencv