win10下安装TensorFlow-gpu版本

一、电脑配置
系统：WIN10 64位 教育版
显卡：NVIDIA GeForce GTX 960 2GB 
二、安装内容
CUDA 9.0
cudnn-9.0-windows10-x64-v7.5.0.56
Anaconda3-4.2.0-Windows-x86_64（Python 3.5.2）
tensorflow-gpu 1.8.0
Keras
Visual Studio 2017

版本2:在1660ti显卡上进行安装

cuda_10.0.130_411.31_win10

cudnn-10.0-windows10-x64-v7.6.1.34.zip

Anaconda3-4.2.0-Windows-x86_64（Python 3.5.2）

tensorflow-gpu 1.13.1
三、配置过程

1、安装Visual Studio 2017

https://visualstudio.microsoft.com/zh-hans/downloads/?rr=https%3A%2F%2Fdocs.microsoft.com%2Fen-us%2Fvisualstudio%2Fproductinfo%2Finstalling-an-earlier-release-of-vs2017

https://docs.microsoft.com/en-us/visualstudio/productinfo/installing-an-earlier-release-of-vs2017#top
2、安装CUDA
首先在确定你的显卡是否支持CUDA，如果显卡在列表中则说明支持CUDA。 

查看地址：https://developer.nvidia.com/cuda-gpus

然后查看显卡支持的CUDA版本，方法是进入控制面板==>NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称。要安装显卡支持的CUDA版本，才能进行后续的配置。 

CUDA下载地址 https://developer.nvidia.com/cuda-toolkit-archive，选择对应版本下载。 这里有一个基础的安装包和4个补丁，全部下载下来，点击安装即可

安装之前会检查系统兼容性，如果不兼容，否则就要换成其他版本的CUDA。

检查系统兼容性 → 许可协议“接受”→ 选择“自定义安装”，点开+号，把Visual Studio Integration的勾选去掉（否则你机器上安装的Visual Studio版本不对或者没有安装时，下一步会报错导致你安装不下去） → 安装即可

 

安装完成后打开命令行，输入”nvcc -V”，验证是否安装成功。 （我在这一步时一直提示不是内部命令，貌似是不影响，后来也成功了）

3、配置CUDA

（不确定是否需要这一步，应该是会自动添加到环境变量中，保险起见，我照着配置了）
安装成功后在我的电脑上右键，打开属性==>高级系统设置==>高级==>环境变量，可以看到系统中多了两个环境变量：CUDA_PATH 和 CUDA_PATH_V9_2，接下来我们添加如下几个环境变量：

CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.2
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64 

打开命令行，输入”set cuda”查看配置情况，如下图所示说明配置成功。 （这里的图片用的网上的，只有v9.0和v9.2的区别）

或者，我们也可以进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\demo_suite 目录，使用命令行运行 bandwidthTest 和 deviceQuery，若能看到显卡信息和 “Result = PASS”，说明CUDA配置成功。 

4、下载并配置cuDNN
cuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，它优化了一些常用的神经网络操作，比如卷积、池化、Softmax以及激活函数等，可将其视为CUDA的补丁。

下载地址为 https://developer.nvidia.com/rdp/cudnn-archive ，首先要注册账号，然后根据之前安装的CUDA版本选择相应版本的cuDNN。 

CUDA 9.0的默认路径是

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
把cudnn-9.0-windows10-x64-v7.1.zip解压后，把bin，include，lib\x64里面的文件(共三个)分别拷贝到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib\x64目录下即可。

5、安装并配置 Anaconda
Anaconda是Python的一个发行版本，提供包管理与环境管理的功能，并集成了一些常用的科学计算、机器学习和数据处理等工具包，无需自己安装，使用起来很方便。选择的是4.2.0（Python3.5.2） 64位版。 

下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

打开命令行，输入”python –version”。 

6、安装 tensorflow-gpu
先在命令行中输入以下命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

然后升级pip：python -m pip install --upgrade pip

接着，输入 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.8.0 （将下载源换成了国内镜像，速度很快）

下载速度很快，等待安装即可。

试验一下安装成功没有：打开命令行，输入”python”进入python环境，然后输入”import tensorflow as tf”，若能正常导入tensorflow包说明安装成功，如下图所示。 

7、安装 keras
打开命令行，输入”pip install keras”即可。然后打开命令行，输入”python”进入python环境，然后输入”import keras”，若能正常导入keras包说明安装成功，如下图所示。 

这里的这种安装方式并没有像一些博客那样重新建立一个新的环境，如果新建一个环境，还需要用conda install spyder,我在这一步一直没有安装成功，所以就在原始环境中安装。

四、GPU运行测试
 

import tensorflow as tf

a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用

b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)                                  # 判断GPU是否可以用

print(a)
print(b)

输出结果是：
True
True
代表CUDA和GPU可用

参考的文章：

https://blog.csdn.net/qq_32728345/article/details/81570504

https://blog.csdn.net/xiaohuihui1994/article/details/83589701

https://blog.csdn.net/weixin_42359147/article/details/80622306

 

https://blog.csdn.net/ccnucb/article/details/79873460

https://blog.csdn.net/qq_37791134/article/details/81605721

https://blog.csdn.net/gangeqian2/article/details/79358543

https://blog.csdn.net/XCCCCZ/article/details/80385448

https://blog.csdn.net/he5688/article/details/77542011

https://www.jianshu.com/p/41281c023d30

https://www.cnblogs.com/lanceyu/p/10269918.html

https://www.cnblogs.com/hezhiyao/p/8292512.html

https://blog.csdn.net/u010099080/article/details/53418159

https://blog.csdn.net/hy13684802853/article/details/80386949

https://www.cnblogs.com/AriesQt/p/6773811.html

https://blog.csdn.net/witnessai1/article/details/75979719

https://www.cnblogs.com/xingshansi/p/6725298.html

https://blog.csdn.net/u014159143/article/details/82346652

https://blog.csdn.net/qq_27245699/article/details/81050035