win10 / ubuntu16.04 安装tensorflow-gpu教程(细讲)

（2019.7.19）小白一枚，如有错误，请指正。

前言

      最近打算开始学习tensorflow框架，tensorflow有cpu版和gpu版，gpu运算速度要比cpu快很多(具体原因，大家想要了解可以自行百度)。所以第一步就是安装tensorflow的gpu环境，win10和ubuntu16.04都装了，踩了不少坑，所以在此记录一下，希望帮到需要帮助的人。并不是所有的运算都可以用gpu运行，gpu版也会调用cpu去运行，也可以自己指定使用cpu还是那块gpu运行(如有多块gpu)，所以安装gpu版就行。

win10下tensorflow-gpu安装

win10下安装相对简单一点。有一块破烂显卡就行，别是上古年代的就行。（实测破烂显卡那比cpu也是快了很多）。

1.安装驱动

      英伟达显卡驱动安装，这个windows下很简单了，就不用说了把。

      我在两台电脑上尝试安装了tensorflow-gpu，一台显卡是GT730(这算很破了吧)，一台RTX2060 SUPER。这次做演示，我就把GTX 730的所有东西都卸载了重新装一遍。

2.查看可以安装cuda版本

      打开英伟达显卡控制面板 -> 帮助 -> 系统信息 -> 组件

      

      可以看到CUDA版本10.1.165，所以选择安装CUDA 10版本。理由吗，一会再说。

3.安装tensorflow-gpu库

      python版本 3.6.4

      本人安装包一般就是喜欢拿pip装，软件就随便用。电脑上的包都可以拿pip来管理。

      pip list查看电脑的包

      可以看到我安装了1.14版本。如果你自己安装了tensorflow的cpu版或者gpu版本。首先卸载画红线这三个。（如果只装了gpu版，不卸载也行，保险起见）

      pip uninstall 包名。

      tensorflow-gpu 和 cuda 是有个版本对应的。现在最新的tensordlow版本是1.14，当然还有2.0测试版，如果显卡太旧可以自行百度查下版本对应表。我觉得这破烂GT730都能带得起cuda10.0，再烂都拿不出手了。

     可以先建立一个虚拟环境，在虚拟环境下装包。 python -m venv 虚拟环境名。也可以直接在本地装。虚拟环境不知道怎么用可以查下。

      直接 pip install tensorflow-gpu==1.14.0 安装包。1.14.0是自己指定得包版本。记得修改pip源。要不然慢出翔。

      

安装完成，在控制台下进入python环境。import tensorflow as tf 报错。

报错，说这个文件找不到，我个人认为100对应得就是10.0版本，因为之前装了10.1版本，里面有个101文件。或许也可以通过修改源码去让1.14可以对应上cuda10.1版本，这里就不做尝试了。下面也说了让我们去下载CUDA10.0。那个链接直接链接到了10.1版本，坑死我了。

4.安装CUDA+cudnn

      所以我们开始安装cuda+cudnn

      上面确定了我们要安装cuda10.0版本，直接百度cuda10.0

       下载完成直接傻瓜式一件安装。（可能会多安一些没用得东西，不管了，装就完事了）

       控制台下执行 nvcc -V

      ok，cuda安装完成，如果出不来就是出错了，有的博客说是加环境变量，安装会自动加的。可以检查一下。我这次装的时候就因为没有卸载干净，又鼓捣了半天给装上了。

      python环境

      import tensorflow as tf 报错

      这个就是因为没有装上cudnn，ok。直接百度cudnn。

      下载，解压。把以下三个文件内容复制到cuda相应的文件夹里。

      觉得还是在详细写以下吧：

      H:\软件\tensorflow-gpu\win10\10.0\cuda\bin\cudnn64_7.dll  -->  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

      H:\软件\tensorflow-gpu\win10\10.0\cuda\include\cudnn.h  -->  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include

      H:\软件\tensorflow-gpu\win10\10.0\cuda\lib\x64\cudnn.lib  -->  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

      到此，如果不出错就是完事了。

5.检测是否安装成功

      控制台进入python环境

      import tensorflow as tf

      成功。

      最后通过代码检测一下能否调用gpu运算。

#coding=gb2312
import tensorflow as tf
 
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:0'):
    c = a+b
   
#注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
#因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

#这段代码是转载的，因为本身还没有开始学习语法。忘了转载哪位博主的，下次看到会备注的。

      很简单就能看出来，a，b变量的定义是在cpu运行的，初始化和add操作是在gpu运行的。如果不指定的话是默认在gpu运行的。

 

ubuntu16.04下tensorflow-gpu安装

（有时间写）