TensorFlow-GPU安装

前不久需要做一个图像识别比赛，以前使用的TensorFlow-CPU速度太低，就只好选择GPU版的。

系统：win10
显卡：我显卡太菜了，就不写了。不过，使用GPU版之前一定要先看看自己显卡支不支持GPU版！

第一步：
查看显卡是否支持CUDA:https://developer.nvidia.com/cuda-gpus
登录之后是这样的

查看自己的资源管理器，看看显卡的型号，我的显卡是GeForce的，所以，点击上图画线的选线，出现下拉列表。

在这里查找自己的显卡型号就好。只要能查找的到，就表明该显卡支持GPU加速。
第二步：
安装Cuda
https://developer.nvidia.com/cuda-downloads
当前最新版本是10.0

选择操作系统，选择版本号

这里选择的版本号一定要能够被随后下载安装的cuDNN支持。而且TensorFlow的不同版本对CUDA的版本要求不同，所以，这里使用最新版10.0就好。
下载后，点击安装即可。
安装完成后 在shell窗口下，输入命令nvcc -V，
即可查看版本信息

第三步：
安装cuDNN
https://developer.nvidia.com/rdp/cudnn-download
选择与你安装的CUDA相对应的cuDNN

注意：下载Cudnn会需要注册，并且完成问卷调查
步骤：下载完成后为安装包形式，解压后，将文件夹下面的bin目录添加到系统path变量里面

我的cudnn的bin目录：C:\Program Files\cudnn-9.0-windows10-x64-v7.1\cuda\bin

有的直接使用精简安装就能成功。但是我在安装的时候一直报错，显示有个组件（好像是virtual什么来着？）安装失败，导致很多后续组件无法安装，在网上找了很久没有解决，最后我考虑到我只是使用GPU加速，和该组件关系不大，于是使用自定义安装，不选择该组件安装，最终安装成功，并且TensorFlow能够正常运行。

最后一步：
安装TensorFlow-GPU
使用pip就很方便，前提是pip的版本号要满足条件。
命令行输入：pip install tensorflow-gpu，默认安装最新版本。

测试：
进入python的交互式界面

依次输入

import tensorflow as tf

a = tf.random_normal((100, 100))
b = tf.random_normal((100, 500))
c = tf.matmul(a, b)
sess = tf.InteractiveSession()
sess.run©