win10下配置cuda+cudnn+anaconda，虚拟环境使用tensorflow+spyder，完美避坑经历

win10下配置cuda+cudnn+anaconda，虚拟环境使用tensorflow+spyder，完美避坑经历

安装顺序：

本文主要针对配置过程中产生的工具之间的版本匹配、安装细节操作避坑问题做了详细说明。

** tensorflow-gpu在步骤1或步骤3和4之间完成，故未写入如下列表中。详情请往下看。

1. anaconda3

2. CUDA

3. cudnn

4. spyder

一、anaconda3
1）安装时，install for：

选择所有用户。anaconda的安装路径不需要设为C盘路径。若为自定义路径，需要为全英文、不带空格。若带空格，提示如下：

安装过程中，如下图，

添加路径至环境变量、将anaconda3的python设为系统python（即添加系统环境变量，不过不是用户变量），两个选项都要勾选。

** 注意：

1. 若要使用VS Code交互开发，建议在anaconda安装过程中弹出的，是否安装VS Code， 选择安装。
2. 该安装过程会自动在系统环境变量-path，生成3个Anaconda3的相关路径为环境变量
3. 安装anaconda时自动安装的jupyter、spyder均为base（root）环境的工具，不能使用虚拟环境中的配置。建议不要在base配置tensorflow、pytorch、caffe等，配置过程中可能需要更新pip等工具。base下安装的包、更新的包，均为win10系统环境下的包，更改版本可能会影响win10。若以重装win10作为配置深度学习环境的底线，可以不在意这一点。

2）确定本机装tensorflow-gpu需要的CUDA版本：
用管理员身份打开anaconda prompt，创建python==3.6.7的虚拟环境。以虚拟环境名=tfgpu为例，代码：

conda create -n tfgpu python==3.6.7

在虚拟环境中，用pip安装tensorflow-gpu==1.5.0，使用指定的清华pip路径快速下载。代码：

pip install -U tensorflow-gpu==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3）虚拟环境中打开python，import tensorflow，报错提示找不到cuda的动态链接库（.dll），要求安装指定版本CUDA。如下图：

由cudart64_100.dll，可知需要CUDA10.0版本（举例：若为由cudart64_101.dll，则需要CUDA10.1版本）。关闭anaconda prompt，执行下一步。

二、CUDA（又称CUDA Toolkit）
1）在NVIDIA官网下载指定版本的CUDA（local版，2.xGB），以及和CUDA版本配套的cudnn。
CUDA下载URL：https://developer.nvidia.com/cuda-toolkit-archive
cudnn下载URL（需要登录，免费的）：https://developer.nvidia.com/rdp/cudnn-archive
2）CUDA需安装在C盘。打开下载的CUDA（本机为10.0版本）安装文件，弹出窗口处提示生成临时提取文件夹，该文件夹在CUDA安装之后会自动删除，故路径不做修改，点击下一步 。

3）选择自定义安装。接着弹出自定义安装选项窗口。根据需求选是否安装相应软件。

** 注意：1.Displayer Driver，即nvidia显卡的驱动。“当前版本”显示本机之前已经安装的nvidia显卡驱动版本，“新版本”显示此CUDA安装步骤即将安装的nvidia显卡驱动版本。若“当前”（current）>“新”（new），则此处不能勾选，否则会与本机较新版本的显卡驱动冲突。

2.NVIDIA GeForce Experence，是否勾选的原理同上。

3.若使用VS，则VS integration处要勾选。

4）接下来的步骤，均选择默认步骤。不需修改安装路径。

** 注意：该安装过程会自动在系统环境变量和系统环境变量-path添加CUDA相关路径，用户不需要手动添加。
5）测试CUDA是否安装成功：管理员身份打开cmd，键入nvcc -V。若成功安装，即可显示安装的CUDA版本。

如图，显示为 release 10.0，即CUDA10.0。
6）重启电脑

三、cudnn
解压下载好的cudnn文件，将其中的3个文件夹copy到安装好的CUDA的安装路径下。本机路径：

复制cudnn中以下3个文件夹（文本文档不需要），替换上图CUDA内的相应文件夹：

四、测试tensorflow-gpu
1）再次管理员身份打开anaconda prompt，进入安装了tensorflow-gpu的虚拟环境，打开python，import tensorflow。若成功，不会出现报错信息，如下图所示：

简单测试gpu是否能使用：
测试代码

import tensorflow as tf
print(tf.test.is_gpu_available())

测试效果，最终显示显卡信息：

** 注意：若不能import，即仍然显示找不到cuda的动态链接库，则删除该虚拟环境，重新创建一个虚拟环境，同样的指令安装tensorflow-gpu==1.15.0。然后再尝试打开python，import tensorflow。（本人经过此步骤，成功import tensorflow。）

五、spyder（在安装的虚拟环境中，安装spyder。若想使用虚拟环境中的配置，则需要此步骤。）
1）打开anaconda navigator，界面中选择自己安装了tensorflow-gpu的虚拟环境，选择指定版本的spyder。

建议选择3.x版本，本机选择spyder3.3.6。点击安装，等待10~20分钟，安装成功后，开始菜单生成虚拟环境的spyder（虚拟环境名）和Ipython（虚拟环境名）。

2）测试该spyder：在开始菜单，单机spyder（虚拟环境名），若正常加载，则spyder中的Ipython console显示如下：

在代码编辑窗口，键入tensorflow-gpu的gpu测试代码：

import tensorflow as tf
 
with tf.device('/cpu:0'):
    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')
with tf.device('/gpu:1'):
    c = a+b
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

若成功使用GPU，显示如下：

到达这一步，恭喜你，可以开心地用tensorflow-gpu跑实验了！