Windows10 安装python3.64 cuda9.0 cudnn 完整版（大马哈鱼）

一、安装anaconda（python版本3.6）

各版本下载地址  https://repo.continuum.io/archive/

版本选择：Anaconda3-5.1.0-Windows-x86_64.exe  【内置python3.6.4】

（第一个3代表python3 , 第二个5代表anacoda5）

两个选项都打√

设置：

1、工作空间Project exporer 在View的Panes里。

2、主编辑区字体大小：Preferences，General，Font，size:12；或按住Ctrl+Shift+“+”或Ctrl+“-”

3、主编辑区风格：Preferences，Editor，Syntax coloring；风格：Spyder Dark 背景：#27344f

4、IPython console风格：这版本不用设置

二、安装python库

1、安装tensorflow-gpu 1.12.0 （bert需要至少1.11.0）

conda install tensorflow-gpu==1.12.0

2、安装keras相关，keras为2.2.4版本

conda install keras==2.2.4
pip install keras-bert
pip install keras-transformer==0.30.0

3、安装其他库

对h5py进行更新升级，否则报错

dtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.

pip install h5py==2.10.0

注意numpy版本，numpy1-17-0版本过高，使用numpy-1.16-0版本即可，否则报错

FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; 

pip install numpy==1.16.0

安装gensim库

conda install gensim

安装nltk库

conda install nltk （进入python,import nltk,nltk.download()即可下载语料库）

三、安装CUDA：

1）查看本机可支持的cuda版本：

2）下载安装文件：NVIDIA Developer

tensorflow 1.12.0需要cuda 9.0和cudnn 7.6，  1.13.1版本则需要cuda 10 和cudnn 7.65

这里安装的是cuda 9.0 但据说pytorch需要cuda 9.2（未验证）

文件为：cuda_9.0.176_win10.exe

下载完成后，双击cuda安装包。默认在C盘，可自己设置路径然后点击ok，开始解压安装文件。

3）选择安装的选项，默认使用精简选项，点击下一步。然后程序就开始准备安装：

5）注意关闭VS，点击“下一步”开始安装：

6）点击“下一步”,点击“结束”则安装完毕。

测试是否安装成功：

打开命令窗口，在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin”路径下输入：nvcc -V

如果安装正常，且组件都正常，那么会输出下面图中所示的驱动版本信息，表示安装成功。

四、安装CUDNN：

CUDNN版本为7.6.0 

其实不需要单独下载。只需要 conda install tensorflow-gpu==1.12.0   则会自动安装CUDNN

也不需要像CUDA8.0一样，还手动添加环境变量，会自动添加环境变量

1）下载网址：NVIDIA cuDNN | NVIDIA Developer

注册用户、验证邮箱、完成问卷，才能下载。

选择cudann library for windows10，弹出下载窗口，选择路径下载即可。

2）下载完成后，将这个压缩包里的所有文件放到CUDA9安装目录相应文件夹下即可。

    ——>    

可以发现，环境变量中已自动添加cuda。

3）配置完成后，验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
首先win+R启动cmd，cd到安装目录下的 ...\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

如果以上两步都返回了Result=PASS，那么就算成功。

五、测试

import tensorflow as tf
a = tf.random_normal((100, 100))
b = tf.random_normal((100, 500))
c = tf.matmul(a, b)
sess = tf.Session()
print(sess.run(c))