笔记本电脑上部署TensorFlow-gpu-2.1.0（Win10_x64，16G RAM，GeForce GTX 960M（2G），Anaconda3.4.2，Python3.6）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

近期需要学习TensorFlow，又不想把自己笔记本的操作系统改成Ubuntu，所以就琢磨着在Win10上部署TensorFlow。意外发现自己的显卡竟然支持Cuda，为了能有更快的处理速度，决定安装TensorFlow-gpu版。
先去网上查看了很多类似的文章，普遍建议基于Anaconda进行安装，直接按照这个思路开展。

---

提示：以下是本篇文章正文内容，下面案例可供参考

步骤1：查看自己电脑的硬件配置

内存：8GB
这肯定是不够的，至少要16GB才够用，不然无法import tensorflow。上网买了一根内存条，等发货过来后就升级内存。（顺便说一下，内存条可以上淘宝或者买二手的，要便宜很多。）
如果大家也要升级内存，一定要注意三点：一是自己的电脑主板最大能支持多少内存，通过笔记本厂家官网或者客服电话应该可以查到，二是自己的电脑上是否还有多余的插槽，三是买相同规格的内存条，最好是同一品牌、相同容量和频率的，一般内存条上有一串号码表示型号，可以下载一个鲁大师查看内存条的各种信息。

显卡：Nvidia GeForce GTX 960M
虽然很老了，幸好仍然支持Cuda。这个可以在官网上查到：https://developer.nvidia.com/cuda-gpus，计算能力为5.0，按照TensorFlow官网的要求，“CUDA架构为 3.5、3.7、5.2、6.0、6.1、7.0或更高”的NVIDIA GPU 卡都是支持的。这里一开始没有搞清楚"架构”是否为翻译错误，是否就是指的是计算能力呢？后来终于找到了资料，可以参考官方资料“https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#application-compatibility”中的3.1.4. Application Compatibility
这里还看到一个很有意思的事情，2017年Nvidia禁止数据中心在GeForce GPU上运行深度学习应用程序，不过没有禁止用于挖矿，也没有禁止个人用户和研究人员。

步骤2：确定自己需要的TensorFlow-gpu版本

这里有两个方面需要考虑：首先要考虑自己的显卡驱动版本，其次要考虑是否自己的深度学习任务对TensorFlow有特殊的版本要求。我这里只是学习，所以决定安装比较新的版本。

显卡驱动版本可以在“Nvidia任务面板“中查看，方法为”帮助->系统信息“，可以看到驱动程序版本。驱动程序版本应当与cuda toolkit的版本批评（参见https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html），cuda toolkit的版本又必须与tensorflow的版本匹配（参见https://tensorflow.google.cn/install/source_windows#gpu）。我们一般是先决定使用TensorFlow的版本，然后查看可以安装哪些版本的cuda toolkit，并进一步确定驱动程序是否支持或者升级后是否支持。

注意cuda toolkit的版本并不是越高越好，因为tensorflow很可能无法运行在最新版的cuda toolkit上，目前我看到的支持的cuda toolkit最高版本是10.1，支持的cuDNN的最高版本是7.4。

步骤3：安装CUDA Toolkit和cuDNN

根据上个步骤中查看的情况，我决定安装tensorflow_gpu-2.1.0，对应版本情况如下：

去官网下载CUDA Toolkit 10.1和cuDNN 7.6，它们的官网下载界面还是很友好的，选择好版本、操作系统后，自动提供正确版本的下载连接。唯一比较麻烦的是，cuDNN需要注册一下，填写一堆东西。
需要说明的是，cuda和cudnn的版本对应关系在上图中并不准确，与cuda toolkit10.1匹配的最低版本cuDNN不是7.4，而是7.6，不要下载错了。
下载后先安装CUDA Toolkit，然后解压cuDNN，将里面的文件按照目录对应情况一一拷贝到CUDA Toolkit的安装路径下。

步骤4：安装Anaconda

下载安装Anaconda3-4.2.0-Windows-x86_64.exe，按照安装向导即可完成安装，注意选择一个空间比较大的盘。

步骤5：在Anaconda中安装python3.6

按照网上设置的将清华或中科大的镜像作为anaconda的源，结果无法安装。后来查到是因为国内的源都无限期停止服务了，只好改回默认的境外源，下载速度还可以。
命令行中输入以下命令即可：conda create -n py36 python=3.6

步骤6：在Anaconda的python3.6环境中安装tensorflow-gpu==2.1

激活刚刚创建的py36环境：
conda activate py36
进入python：
python
执行安装(用pip安装时，清华的镜像是可以用的)
pip install tensorflow-gpu==2.1.0

步骤7：测试

激活py36，进入python
conda activate py36
python
输入下列测试代码：
import tensorflow as tf
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’]=‘2’
a = tf.constant(1.)
b = tf.constant(3.)
print(a+b)
print(‘GPU:’, tf.test.is_gpu_available())

测试通过，输出结果如下：

总结

注意自己的显卡型号，注意版本匹配问题，其他的没啥了。

最后提供了上面用到的Anaconda、cuda toolkit和cudnn等软件的下载链接，
链接：https://pan.baidu.com/s/12vU-gnQZdK568gHXPbyh2A
提取码：jy7w