机器/深度学习笔记：tensorflow（gpu版本）在win10系统上的安装方法

tensorflow—gpu版本的安装需要cuda与cudnn，根据tensorflow官网https://tensorflow.google.cn/install/source_windows，查看tensorflow的版本与所匹配对应的cuDNN及CUDA，本次安装选的第三个版本，tensorflow_gpu—1.14.0。

1、安装tensorflow之前，首先从https://developer.nvidia.com/cuda-toolkit-archive与https://developer.nvidia.com/rdp/cudnn-archive，下载CUDA 10.0版本和cuDNN 7.4版本。
(1)CUDA 10.0安装步骤：
取勾GeForce Experience

如果电脑上本身就有Visual Studio Integration，要将这个取消勾选，避免冲突了。

点开Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本是411.31。
如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，就不用去取勾了)

打开此路径，查看nvcc.exe。
有这个nvcc.exe就说明CUDA安装已成功

打开此文件夹，查看有没有cuti64_100.dll，有这个cuti64_100.dll就说明CUPT1已成功。

(2)cuDNN安装
解压cuDNN

将解压后文件复制到CUDA文件夹下。

(3)PATH配置
查看CUDA环境路径
我的电脑——>属性——>高级系统设置——>环境变量

查看CUDA路径，当你安装完CUDA后，它会将这两个目录加进来, CUPTA和cuDNN还没有加进来，所以必须将它们添加到路径，这样使用Tensorflow的时候才不会报错。
添加CUPTA和cuDNN路径：
编辑–>新建（cuDNN路径，CUPTA路径缺一不可！）

较新版本的CUDA11.0和cuDNN8.0版本添加路径（修改了默认路径）：D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64
D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\cuda\bin
测试CUDA：
cmd-> nvcc –V
下面的显示说明我们CUDA的版本是10.0

2、tensorflow安装
开始用ANACONDA安装tensorflow
1） 在ANACONDA里创建名为tensorflow的环境（你可以叫他任何名字，这里我叫这个环境为tensorflow。
conda create -n tensorflow pip python=3.6

2） 用以下命令以激活 conda 环境：
Activate tensorflow

3） 用相关命令在 conda 环境中安装 TensorFlow。请输入以下命令：
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu
假如你想安装某个特定版本的tensorflow,可以输入如下命令，根据自己的喜好，替代那个1.14.0即可。（注：直接安装可能网速很慢，会安装失败，可以离线安装，http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/）

pip install --ignore-installed --upgrade tensorflow_gpu==1.14.0
4） 测试是否安装成功
在ANACONDA窗口的tensorflow的环境中，跑一个test.py，检测tensorflow的确用gpu来做运算了。
test.py脚本内容：

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

print(sess.run©)
测试结果如下图：

图中device:GPU:0的意思就是说该运算用到了GPU。