win10+anaconda+cuda+cudnn+TensorFlow-gpu

背景

笔者的笔记本显卡是1050。

原料

 Win10上搭建TensorFlow的开发环境需要至少需要安装3个软件，分别为：1.python，2.CUDA和CuDNN，3.TensorFlow（GPU版）。安装前一定要确认好每个软件的版本是否相互支持。

1. Python

相比于作为一个过渡版本的Python 2.6，笔者选择的是Python 3.6。在安装时，选择了Anaconda（一个开源的Python发行版本）的最新版本。Anaconda包含了conda、Python等180多个科学包及其依赖项，功能十分强大。
Anaconda下载地址： https://www.anaconda.com/download/

2. CUDA和CuDNN

CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。在安装之前要查询下最新TensorFLow发行版支持到了哪个版本。笔者在安装TensorFLow时，CUDA已经到了9.1版本，但是TensorFLow1.7只支持到9.0版。另外，也要确认CUDA版本是否支持自己的显卡。笔者电脑的MX150只有CUDA9.0及以上的版本才支持。基于以上两个条件，笔者选择了CUDA9.0，并下载了对应的CuDNN版本。另外，笔者在后续的编程中发现tensorflow1.7只支持7.0的CuDNN。
1）显卡型号支持： https://developer.nvidia.com/cuda-gpus

2）CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

3）CuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download

（下载CuDNN需要注册账号，注册过程比较简单）

3. TensorFlow

TensorFlow的版本信息可以在Github，tensorflow中文社区以及pypi上查看。

    Github：https://github.com/tensorflow/tensorflow/releases

    tensorflow社区：https://tensorflow.google.cn/versions/

    pypi：https://pypi.org/project/tensorflow/#history

TensorFlow可以直接在Anaconda Prompt的命令行中用指令：“conda install tensorflow-gpu”直接安装，并且该指令在安装TensorFlow时还会顺带把Cuda和CuDNN也给装了。考虑到conda 的软件包并没有官方支持，并且tensorflow和附带的Cuda和CuDNN版本都不是最新的，笔者未使用conda安装，而是使用原生的 pip 安装，安装过程见后文。

安装过程

1. 安装Anaconda3 5.1

 Anaconda过程安装过程简单，打开安装包后选择好路径后就能安装

安装启动前若不勾选上第一项，则需在软件安装完成手动添加环境变量

2. 安装CUDA® Toolkit 9.0+cuDNN v7.1

1）CUDA9.0安装

运行cuda_9.0.176_win10.exe。安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。

在选项着一栏选择自定义，否则安装程序会一股脑把里面所有软件包都给你装上。同时安装路径有三个，自己新建一个文件夹cuda，子文件夹cuda-v9.0;子文件夹cudasample-v9.0,然后选路径时cudasample选到cudasample-v9.0，另外两个选到cuda-v9.0。

在选择安装项时一般不安装GeForce Experience，CUDA是核心组件必须勾上，其他的先更新一下显卡驱动就可以了，不用全装。只用选第一个cuda就可以了。

2）CuDNN7.1安装

解压压缩包cudnn-9.0-windows10-x64-v7.0.zip，得到三个文件夹

将这三个文件夹中的文件拷贝到CUDA9.0的安装路径的对应根文件夹下

3. 安装tensorflow1.7

打开Anaconda navigator，进入环境配置页面，直接搜索TensorFlow-gpu,点击安装即可。

验证

在命令行中，进入python，并输入以下代码：
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
输出：
b’ Hello, TensorFlow!

            </div>