Windows系统基于tensorflow+keras+cuda+cudnn的深度学习GPU环境搭建（python3）

安装Anaconda

参考我的另一篇博客
https://blog.csdn.net/okfu_DL/article/details/83014304

关于VS

有教程建议安装Visual Studio，其实不是必要的，只要系统里有安装C++的库就可以了

但是这个库的版本众多，要一一下载安装，如果怕麻烦的话，就一次性下个Visual Studio吧，省事。版本2015或2013比较好。

Cuda

版本之说，网上众说纷纭。具体讲一下我的配置，和我的个人看法。
配置如下：
Gtx 1080 ti + Cuda9.0 + cudnn7.3
其实主要是Cuda版本，cudnn会有对应的版本提示。

1. 查看Cuda版本

打开nividia控制面板-> 帮助->系统信息->组件，就可以看到Cuda版本信息。
我这里的Cuda 一开始是10.0，但是目前的深度学习包是不支持Cuda 10.0的，所以选择9.0版本。关于Cuda版本和显卡型号对应，我的看法是，初始的Cuda版本只要不是10.0就直接使用该初始版本。

2．安装Cuda

各版本下载地址：https://developer.nvidia.com/cuda-toolkit-archive
下载的选择参照下图

下载完成好，直接安装就可以，一路默认。当时出现了一个小问题，cuda安装包打不开，直接把后缀名改为.exe就好了，能直接打开请忽略。

3. 检查Cuda是否安装好：

进入cmd 输入nvcc --version
显示如下信息则成功

cudnn

下载地址：https://developer.nvidia.com/rdp/cudnn-download
需要登录，耐心注册一下。

选择适合你的Cuda的版本下载。

配置Cuda和cudnn
cudnn下载后解压，会得到一个文件夹里面有又有三个文件夹bin、include、libnvvp将里面的文件分别复制到安装Cuda的对应的文件夹中。

Cuda的默认安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

复制文件到上图这三个同名文件夹中，此操作需要管理员权限，点击继续即可。

安装tensorflow-gpu 和 keras

进入Anaconda Prompt
输入pip install tensorflow-gpu
如果之前安装了tensorflow的CPU版本，建议卸载。
pip uninstall tensorflow
显示Successfully…表示安装成功。
接着安装keras
输入pip install keras
显示Successfully…表示安装成功。

测试：
输入

python
import tensorflow
import keras

出现下图信息表示测试成功

最后，装个开发工具吧。强烈推荐Pycharm。
Pycharm使用教程：https://blog.csdn.net/qq_40130759/article/details/79421242