win10下载Tensorflow-gpu 1.14.0+Keras 2.2.4+cuda10.0+cudnn 7.4.1+vs2017

最近刚要开始接触深度学习，搭建Keras框架差点儿奔溃喽😭
下面是亲测有效！！一次就成的环境搭建步骤！！！！
（首先你要有Anaconda，这个安装一般不会出错，网上教程很多，这里就不再啰嗦啦。）

搭建环境

有两种方法，一种是用anaconda的conda命令实现（打开Anaconda Prompt，输入下面这行代码

conda create -n tensorflow python=3.7

另一种是直接打开Anaconda–>Environments–>Create，然后创建python3.7，名为tensorflow（可以自己随便取）的环境，推荐这种方法！！

安装Tensorflow-gpu 1.14.0+Keras 2.2.4

这两样的安装都是在我们上面创建的环境里面进行的，所以我们要先进入上面创建的环境里

activate tensorflow

接着进行安装，这里用的是豆瓣镜像，比较快（网上很多推荐用的清华镜像源，但我电脑运行的时候会报错，不晓得啥问题QAQ）

pip install -i https://pypi.douban.com/simple tensorflow-gpu==1.14.0
pip install -i https://pypi.douban.com/simple  keras==2.2.4

如果你只是做到这里，验证能否正常使用gpu加速时，你会迎来一长串的error= _ =
经n番搜索，发现还要下载cuda,cudnn,vs。。这里也很容易入坑，有的可能是没有认真搜索自己所需版本的tensorflow与哪个版本的cuda啊啥的相匹配（例如说tensorflow-gpu 1.14.0可以与cuda10.0匹配，换成cuda10.1就不行了，所以小伙伴们一定要查清楚再下载哦！），还有人或许是不知道去哪里下载历史版本，直接下官网默认的，然后出错了。
接下来我就一步步详解~~并附上下载链接（给你给你都给你）

vs2017

这个我下了一晚上，可能我的小破机不够给力)这里给大家推荐一个超级超级赞的公众号：软件安装管家
emm我需要的软件它几乎都有，安装步骤超详细（虽然有些网盘链接过期了，例如我要下的vs2017，但这不费影响我对它的喜爱哈哈哈哈哈）
我就网上随便找了个链接下载，按照这个公众号的安装步骤一步步弄下来。
（本想截图放上来，但是太长了qwq 自力更生，加油嗷~~）

cuda10.0

cuda10.0下载链接，点进去就是啦

接着就是cuda的安装了（不一一截图，博客太长大家懒得看的吧，当然最主要原因是我安装的时候木有截图🤐，全配置成功了临时起意写个博客，😝）
1.双击安装包打开，并设置安装路径。然后等待安装。
2.进入配置界面，设置相关配置。它会先检查系统兼容性，要等待一小会滴–>单击’同意并继续’–>‘安装选项’勾选’自定义’，单击’下一步’–>单击’下一步’
3.选择安装位置，我是下在它默认的C盘地址（推荐），一定要记住这个安装位置哦，后面安装cudnn的时候要用到这个地址哦。（所以安装在默认地址也有好处，百度查一下就知道自己刚刚装在哪个位置啦）然后就静静等待一会
4.单击’下一步’–>单击’下一步’–>单击’关闭’
就安装结束啦啦啦啦？
还没呢，别急
你会发现环境变量里自动多出来这两个
但我们还要继续手动添加四五 个环境变量
CUDA_ SDK_ PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_LIB_ PATH = %CUDA_PATH%\lib\x64
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_ SDK_ BIN_ PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH =%CUDA_SDK_PATH%\common\lib\x64
这下是真的可以啦嘻嘻，你可以在cmd里面输入 nvcc -V 进行测试!

↑这样子的话，就表示你装成功了

cudnn7.4.1

你需要先注册才能下载，嗯，我认为这个注册有一丢丢繁琐啦，尤其是用户名改了好几个才没重复😥
cudnn下载链接

将下载的安装包解压，然后将这三个文件夹一起复制到cuda10.0的安装地址，就是上面强调要记住的辣个地址啦！！

复制过去就okk啦

验证一下是否可以正常使用gpu加速

到了这一步有木有很激动鸭，我是有唔，因为环境配置有点久了╯︿╰
之前没有下vs，其实也不是说一定要下vs，只是cuda要用到vs里的一个插件，单独下载那个插件也行

python

↑正常，进入下一步

import tensorflow as tf

nice终于没报错了，之前每到这里就赠予我一长串errors

sess = tf.Session()

看到↑就表示你可以正常加载gpu，恭喜恭喜(●’◡’●)