Tensorflow gpu版安装教程

Tensorflow gpu版安装教程

  吐槽：中间的坑实在太多，安装过程整整花了我一天的时间。。。所以打算写这个教程来做个总结，希望后面安装的人能少踩一些坑。当然过程中你可能还会遇到其他问题，一般百度一下都能找到解决方案。

1 用pip安装tensorflow-gpu（注意版本！！！）

  如果你还没有安装pip，那就自行百度一下吧，我也是百度装好的，现在已经忘了。
  由于国外的镜像下载非常慢，装好pip后还需要将下载源设置为国内的镜像站，这样下载会快很多。可自行百度或参考另一篇文章： https://blog.csdn.net/zhangyingchengqi/article/details/79878684

  在终端输入：
  1. pip install tensorflow-gpu就会自动安装tensorflow-gpu最新版本
  2. 装好后输入pip list查看所安装的版本！！！

  3.找到当前tensorflow-gpu版本对应的cuda版本和cudnn版本（百度一下或参考：https://blog.csdn.net/mr_muli/article/details/98965808）

2 在NVIDA官网下载和安装cuda，cudnn

！！！！！！！下载cuda和cudnn的时候一定要下载对应版本。我就下错了好多次，浪费了很长时间。。。这里我下载的tensorflow是1.14.0，对应需要下载cuda10.0，cudnn10.0。

  各版本cuda下载地址：https://blog.csdn.net/discoverer100/article/details/86696311
  各版本cudnn下载地址(需注册账号)：https://developer.nvidia.com/cudnn

下载cudnn需要注册NVIDA账号，我用电脑死活打不开注册网页。然后想到通过百度云下载，找了三个资源，以龟速下了三遍，解压时这三个文件中都是同一个文件已损坏，这绝对是百度云的问题。。。lg百度云，最后我是通过手机浏览器注册NVIDA账号，再用电脑登录下载的。
（如果嫌麻烦的话可以留言邮箱，不过不一定会被看到hhh，我看到会把这两个文件发给你）

安装cuda：

  cuda的安装直接按照提示装就行了。直接装默认位置吧，省得再出麻烦。。。

  下面这两张图片是从网上copy的，自己装的时候自定义安装全部都勾选了。

安装cudnn

  1.打开压缩包：里面有三个文件，bin文件夹中的cudnn64_7.dll、include中的cudnn.h、lib\x64中的cudnn.lib。
  2.在刚才安装的cuda的默认目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，这里你可以找到bin、include、lib\x64三个文件夹
  3.你只需将这三个文件放到对应位置。即cudnn64_7.dll放到bin文件夹，cudnn.h放到include文件夹，cudnn.lib放到lib中的x64文件夹中，就完成了cudnn的安装。

3.检查cuda和cudnn是否安装成功

  在终端输入:
cd C:\"Program Files"\"NVIDIA GPU Computing Toolkit"\CUDA\v10.0\extras\demo_suite
      (不同版本的cuda当然需要在v10.0那里作相应改动)
  
再输入：.\bandwidthTest.exe得到如下结果：

输入：.\deviceQuery.exe得到如下结果：

则说明安装成功。

  在这里可能会遇到其他问题，如果报错，则问题可能是cuda与cudnn版本不对应，cuda与cudnn的版本也一定要对应才行。如果显示又unknown error，则是驱动版本过低，用Geforce Experience更新一下驱动试试，刚才装cuda的时候已经在桌面生成了Geforce Experience的快捷方式。

4.测试tensorflow-gpu

a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))
————————————————
版权声明：本文为CSDN博主「unique-R」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_37277944/article/details/82717796

如果结果显示的是用gpu运算：

接下来就可以享受tensorflow-gpu带来的加速计算啦。
（如果不是gpu,则很有可能是tensorflow与cuda、cudnn版本不对应，一定要下载对应版本！！）

参考文章：
https://www.cnblogs.com/wanyu416/p/9536853.html
https://blog.csdn.net/qq_37277944/article/details/82717796