Tensorflow系列00：Win10下TensorFlow-gpu 1.8+cuda_9.0+cudnn安装

#安装TensorFlow基础环境

Tensoflow官网：https://tensorflow.google.cn/
Tensoflow Github：https://github.com/tensorflow/tensorflow
Tensoflow 安装：官网说明 https://tensorflow.google.cn/install/
这些安装包的下载地址如下：
https://download.csdn.net/download/naploen8/10394583
Anaconda installer archive：
地址1： https://repo.continuum.io/archive/
地址2：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
##1.1 确定windows版本和想安装的Tensorflow的本版号：

• Win 10 64 位
• python 安装包 Anaconda3-5.1.0-Windows-x86_64.exe
• cuda_9.0.176_win10.exe
• cudnn-9.0-windows10-x64-v7.zip

##1.2 安装Anaconda

可以选择将python环境写入到path中，之后一直点下一步安装就好的

用pip安装依赖包时默认访问https://pypi.python.org/simple/，但是经常出现不稳定以及访问速度非常慢的情况，国内厂商提供的pipy镜像目前可用的有：

http://pypi.douban.com/ 豆瓣
http://pypi.hustunique.com/ 华中理工大学
http://pypi.sdutlinux.org/ 山东理工大学
http://pypi.mirrors.ustc.edu.cn/ 中国科学技术大学
http://mirrors.aliyun.com/pypi/simple/ 阿里云
https://pypi.tuna.tsinghua.edu.cn/simple 清华

安装时我们可以手动指定安装源如下：

pip -i http://pypi.douban.com/simple install keras

如果感觉每次安装都手动指定安装源麻烦的话，也可以配置pip更新源
不过这种方式在每次安装时都要手动指定，因此你可以把它写在配置文件中，这就是第二种方法，在当前用户目录下创建.pip文件夹

mkdir ~/.pip
然后在该目录下创建pip.conf文件填写：
[global]
trusted-host=mirrors.aliyun.com
index-url=http://mirrors.aliyun.com/pypi/simple/

上面配置是针对OSX／Linux系统，如果是Windows，那么创建%HOMEPATH%\pip\pip.ini文件来配置。
例如：C:\Users\用户名\pip\pip.ini
pip.ini配置的主要一些配置：

[global]
trusted-host=mirrors.aliyun.com
index-url=http://mirrors.aliyun.com/pypi/simple

类似win 设置pip目录：
1、打开appdata文件夹，在资源管理器的地址栏输入%appdata%后回车
2、新建一个pip文件夹，在pip文件夹里面新建一个配置文件pip.ini
3、输入代码：
[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

可以选择创建一个Conda环境（这个可以省略）：

打开Anaconda自带命令行工具Anaconda Prompt输入以下命令：
1.创建一个Conda环境
C:> conda create -n tensorflow
2.启用Conda环境
C:> activate tensorflow

1.3 安装tensorflow

pip install tensorflow

直接使用pip安装tensoflow 就可以安装成功

需要安装 tensorflow-gpu ，使用如下命令：

pip install tensorflow-gpu

tensoflow-gpu 在python上安装成功了

##1.4 cuda安装
tensorflow-gpu需要安装cuda环境，cuda的各个版本在下面网址，可以自行下载

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

下载成功之后，直接点击安装，会自动安装到c盘的类似目录：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

也会将cuda的path写入到win10 环境中，我们可以在win10环境中看到

需要在path中增加 cuda 的lib运行环境：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64;

需要下载cudnn，下载地址如下：

https://developer.nvidia.com/rdp/cudnn-archive

这个需要注册然后才能下载，下载之后解压然后复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 这个目录。

执行下面的测试命令：

nvcc -V

如果安装正常的话，且组件都正常，则会输出驱动版本信息，表示安装成功，如下图：

##1.5 测试tensorflow 是否安装成功
例如：

import tensorflow as tf

hello = tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

##1.6 tensorflow 简单示例
tensorflow实现简单加法：
例如：

import tensorflow as tf
# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点
# 加到默认图中.
# 构造器的返回值代表该常量 op 的返回值.
matrix1 = tf.constant([[3., 3.]])
# 创建另外一个常量 op, 产生一个 2x1 矩阵.
matrix2 = tf.constant([[2.],[2.]])
# 创建一个矩阵乘法 matmul op , 把 'matrix1' 和 'matrix2' 作为输入.
# 返回值 'product' 代表矩阵乘法的结果.
product = tf.matmul(matrix1, matrix2)
# 启动默认图.
sess = tf.Session()
# 调用 sess 的 'run()' 方法来执行矩阵乘法 op, 传入 'product' 作为该方法的参数. 
# 上面提到, 'product' 代表了矩阵乘法 op 的输出, 传入它是向方法表明, 我们希望取回
# 矩阵乘法 op 的输出.
# 整个执行过程是自动化的, 会话负责传递 op 所需的全部输入. op 通常是并发执行的.
# 函数调用 'run(product)' 触发了图中三个 op (两个常量 op 和一个矩阵乘法 op) 的执行.
# 返回值 'result' 是一个 numpy `ndarray` 对象.
result = sess.run(product)
print(result)
# ==> [[ 12.]]
# 任务完成, 关闭会话.
sess.close()

##1.7 常见python库下载地址

python库下载地址库很丰富，下载速度很快：
http://www.lfd.uci.edu/~gohlke/pythonlibs
https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib

##1.8 最后：
这个系列文章作为自己学习Tensorflow的一个笔记，如有问题请及时指正，欢迎大家一起学习讨论，转载请注明出处，谢谢
https://blog.csdn.net/cool_easy/article/details/80245741