有点强的Win10配置TensorFlow_gpu版

之前一直在用tensorflow的cpu版，结果是显而易见的，速度非常慢，另外还可能损坏cpu，于是打算今天整一整tensorflow的GPU版，经过一天的摸索终于安装成功了，具体的过程我在这里跟大家分享一下。

#先说一下坑点

①首先截止到今天，2019.8.5tensorflow-gpu的最新版1.14版本不支持Cuda的最新版（10.1），所以，一律安装Cuda 的10.0版本，否则枉然。

②其次，你要看Cuda是否支持自己的显卡，相关信息，官网可以查到。

好，下面是具体步骤：

一、安装Cuda：

https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

上面是Cuda官网的10.0版本Cuda的安装。（我安装的时候发现QQ浏览器总是安装失败，用谷歌浏览器他会提示安装的文件可能会对系统造成损害，这个没事，保留就行。）

安装过程很简单，一直点下一步就行了，而且，环境变量它也是自动写入的，不需要操心，这里不过分赘述。

查看cuda版本：命令行：nvcc --version

二、安装cuDNN(姑且称之为安装吧,就是一个压缩文件，我们只需要里面的三个文件)

https://developer.nvidia.com/rdp/cudnn-download

这是官网的下载地址。

因为咱们的cuda是10.0版本，所以选择第二个。

下载完解压完之后，进行下面的操作：

8.0是版本的意思，不用管，咱的版本是10.0，所以全部换成10.0

三、用Anaconda创建tensorflow_gpu虚拟环境

之前网上一直说要卸载cpu版的tensorflow，其实是不用的，创建一个新的虚拟环境就行了。具体过程如下面所示：

1.打开anaconda prompt命令行交互页面，输入下面的指令

创建虚拟环境：conda create --name tensorflow-gpu python=3.6

2.激活：activate tensorflow-gpu

3.输入命令：pip install --default-timeout=100000 --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

如果不用清华镜像的话下载速度感人……

四、配置虚拟环境

如果是习惯用jupyter，记得去anaconda客户端切换到tensorflow-gpu环境，然后安装jupyter就好了。

如果是pycharm：

settings->Project:outPut->Project Interpreter->Add

Conda Environment->existing environment->选择相应环境下的python.exe

 

到这里就ok了。