Win10+tensorflow1.12.0+CUDA10.0+cudnn7.3.1

简介

垃圾电脑的垃圾CPU受够了，决心献出显卡，放GPU出来溜溜。
下面介绍tensorflow的GPU版本安装与测试。

CUDA10.0安装配置

CUDA可直接百度，官网下载。若要寻找历史版本，在此提供CUDA历史版本链接。建议直接下载local版的安装文件，避免因为渣网在线安装失败的问题。如果遇到下载链接点开无效的，可尝试挂上梯子，将其代理模式切换至全局模式，再重新下载链接文件。
下载完成后点开安装文件，理论上设置好安装路径后按部就班安装即可。
我在这里出现了如下错误。（图是盗的

这说明你的vs出问题了，网上说最佳方案是把vs卸载重装，解决一切问题。
在此我参考另一篇博文解决了该问题。方法如下：

1. 记录安装CUDA设置安装的路径 ，将路径下CUDAVisualStudioIntegration文件夹拷到其他位置保存，这里记作“dir\CUDAVisualStudioIntegration”,dir为你拷贝文件所在路径。该文件夹所含文件如下图：
   
2. 选择自定义安装，去除CUDA选项下Visual Studio Integration的勾号，点击下一步进行安装；
3. 待安装无误后，将"dir\CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions"中所有文件copy到"C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations"文件夹中；
4. 运行vs，编译"C:\ProgramData\NVIDIA Corporation\CUDA Samples"下的sln工程，一般可正常编译。至此，CUDA程序已能正常运行；
5. 虽然上述VS已可以正常编译，但毕竟不是完整安装CUDA，因此缺失了VS中“新建CUDA解决方案”的功能，若想进阶使用，参考如下博文。

cudnn7.3.1安装配置

cudnn需要与对应CUDA版本匹配起来，在此仍旧提供历史版本链接。链接打不开可用前面的方法解决。下载完成后解压，将对应的文件分别拷贝到CUDA Toolkit中即可。对应的文件夹为：

若为默认安装，则应将上图文件夹中文件分别拷贝到的文件夹如下：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

路径配置

万事皆宜，只欠东风。接下来设置环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0(这是默认安装位置的路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

然后：

在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64;
如果你选用了自定义路径，上述这些默认路径都应该相应替换为你的自定义路径，如下为我的环境变量和PATH的配置情况：
环境变量：

PATH：

至此，理论上已配置好CUDA的全部环境。可在cmd中输入命令行进行测试。

nvcc -V

正确结果如下图：

安装tensorflow1.12.0

it’s easy,right?

1. 下载tensorflow1.12.0的轮子

百度链接：https://pan.baidu.com/s/1GEdR1z8L8hjWfFtuzqWaxQ
提取密码：ea5x

2. 下载目录下cmd输入

pip install tensorflow-1.12.0rc0-cp36-cp36m-win_amd64.whl

稀里糊涂安装成功后，基本上宣布此次放GPU出来溜溜作战的胜利。

测试tensorflow-gpu

进入python环境，输入如下代码

>>>import tensorflow as tf
>>>sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

查看日志信息若包含GPU信息，就是使用了GPU。
自从tensorflow用上GPU以后，真的巨快巨爽，祝小伙伴们都能早日成功安装CUDA哦。
GPU一时爽，一直GPU一直爽！（不是