win10+python3.7.3+Anaconda3+CUDA10.0+cuDNN7.5+tensorflow_gpu1.13.1/////torch1.2.0+cu92

win10+python3.7.3+Anaconda3+CUDA10.0+cuDNN7.5+tensorflow_gpu1.13.1+opencv4.1.0（目前最新）

       要保证每个软件对其他软件版本要求，来配置开发环境的版本。

  （最重要的是：记住，并不是最新版本的软件版本就是最好最兼容。期间偶几次想卸载python3.7降到python3.5所有软件从头再来。。。最后还是被我一不小心还是被我配出来了，

心路历程何其艰辛。）

比如坑一：

       使用tensorflow_gpu版本然后就要安装cuda和cuDNN。而这个两个文件的版本是要根据python的版本来组合安装的。

坑二：

       要注意软件的安装顺序，先安装python3.7 ,在安装Anaconda3（千万不要配里面的tensorflow和opencv环境，默认是最新版本）。再装CUDA10.0+cuDNN7.5。最后再在win10命令窗口安装合适的ensorflow和opencv版本。 如果需要用Anaconda3应用软件则再配置里面的tensorflow和opencv。这时里面的版本会降成电脑里装的版本，安装即可。

参考链接：https://www.cnblogs.com/guoyaohua/p/9265268.html

 如果想要自己配，切记上面两坑。下面开始详解安装教程：

第一步：安装python

下载地址：Download Python | Python.org

最新版python3.7.3点击下载。

然后添加python的路径到环境变量，

注意python的安装路径为C:\Users\Administrator\AppData\Local\Programs\Python\Python37-32\Scripts\

检测python的路径:

如图所示安装成功。

然后安装opencv

下载链接：Releases - OpenCV

下载后解压得到文件夹，

把如下两个安装路径复制粘贴到环境变量：

J:\opencv\opencv4.1.0\build\x64\vc14\bin

J:\opencv\opencv4.1.0\build\x64\vc15\bin

在windous终端输入：pip install opencv_python   命令(Successfully代表安装成功)

第二步：安装Anaconda3

下载地址：Anaconda | Anaconda Distribution

我系统是64位，所以下载 64-Bit Graphical Installer (637 MB)，之后就是进行安装了。

这里我们不需要管理员权限

不建议安装C盘，内存有限。

第三步：配置Anaconda3环境变量

直接用win10自带的cortant找软件和设置灰常方便，不信你试试。。。

我们点击左下角搜索栏搜索“环境变量”

点击环境变量

选择“Path”，点击“编辑”

将以下三个路径加入，注意这里要换成你自己的安装路径。

重要的事情说三遍，安装路径，安装路径，安装路径。。

 F:\anaconda\anaconda_1

F:\anaconda\anaconda_1\Scripts

F:\anaconda\anaconda_1\Library\bin

然后点击“确定”保存，这回再测试一下，再cmd中输入“conda -V”，能正常显示版本号，证明已经配置好了。

 要特别申明：的是如果你要用Anaconda软件做opencv的开发，这时千万别急着安装里面的opencv和tensorflow  

里面都是默认最新的适配Anaconda版本。如图：   （此步为本博客里的所有环境配置成功后自行再Anaconda中配置）

而windous里安装的是tensorflow_gpu1.13.1(里面可选的都是18.0以上）

所以我们先把windous系统下的tensorflow_gpu配好以后再来安装Anaconda环境下的tensorflow_gpu时

Anaconda软件里的库会自动降到tensorflow_gpu1.13.1如图所示

第四步:安装TensorFlow-GPU

官网参考地址:https://www.tensorflow.org/install/install_windows#installing_with_anaconda

按照里面的步骤来就行。

这里我给出里面的具体命令行一条一条的执行。

1.进入终端

2. conda create -n tensorflow pip python=3.7    //创建tensorflow的conda环境   python3.7

（接着会提示几个问你是否执行，输入y就行，下图为python3.5供参考）

等待相应包的安装，如果国内网络太慢的话，可以为conda设置清华源，这样速度能快一点，具体配置过程，

网上查一下吧，此处不再讲述。如果看到这样的提示，就证明conda环境创建成功。

3. activate tensorflow  //激活conda环境的tensorflow

 

4.安装tensorflow-gpu

安装GPU版本的tensorflow需要输入以下命令：

pip install --ignore-installed --upgrade tensorflow-gpu

//安装tensorflow-gpu 安装成功后有个Successfully

倒数第三行有一个Successfully，代表安装成功。

5.安装Anacomda基础包

conda install anaconda  

第五步：安装CUDA Toolkit + cuDNN

1.查看需要安装的CUDA+cuDNN版本

注意，tensorflow是在持续更新的，具体安装的CUDA和cuDNN版本需要去官网查看，要与最新版本的tensorflow匹配。

点击查看最新tensorflow支持的CUDA版本：https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support

这里有个2018年之前老版本的配置表格：（由于我装的是python3.7这里可以不看跳过直接第二步）

 

（我在这里踩了不少坑，装了两次tensorflow,两次CUDA。我第一次是因为Anaconda3

开发环境里默认安装的是tensorflow1.19，然后与CUDA不匹配）

所以按照这个教程电脑匹配安装的是tensorflow1.13后面CUDA安装成功后可以显示安装版本。

2.下载CUDA 10.0+ cuDNN7.5.0（与python3.7匹配）

在这个网址查找CUDA已发布版本：CUDA Toolkit Archive | NVIDIA Developer

下载好CUDA Toolkit 10.0 后，我们开始下载cuDnn 7.5，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的。登陆账号后才能下载

cuDNN历史版本在该网址下载：cuDNN Archive | NVIDIA Developer

 

下载win10 版本的，下载好后是这样的

3.安装 CUDA Toolkit 10.0 和 cuDnn 7.5

至关重要的一步：卸载显卡驱动

       由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的，所以如果我们已经安装了nvidia显卡驱动（很显然，大部分人都安装了），再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法正常使用，这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以务必要删除电脑先前的显卡驱动。

这里还有坑：

      卸载完显卡驱动后你还要删除文件，不然你是装不上CUDA的。

      删除系统盘中Program Files (x86)和Program Files内包含的 
NVIDIA Corporation和NVIDIA GPU Computing Toolkit文件夹 
 
*此时显卡驱动已经删了，桌面右键的NVDIA控制面板也不见了

重启电脑后，再安装CUDA也就是下载的第一个应用文件

下图为CUDA9.0的安装，过程都是一样的。

接下来，解压“cudnn-９.0-windows10-x64-v7.zip”，将一下三个文件夹，拷贝到CUDA安装的根目录下。

这样CUDA Toolkit 9.0 和 cuDnn 7.0就已经安装了，下面要进行环境变量的配置。

将下面四个路径加入到环境变量中，注意要换成自己的安装路径。（注：我安装的路径里的是CUDA１０.０哦！）

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

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

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

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

到此，全部的安装步骤都已经完成，这回我们测试一下。

六、检查cuda是否安装成功：
import tensorflow as tf
tf.test.gpu_device_name() //查看是否使用GPU

2.查看在使用哪个GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices() //查看使用哪个gpu

 

 pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.2.0+cu92 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html