Window下安装Tensorflow-gpu实测全过程-Anaconda+Pycharm+CUDA+cuDNN-

1 概述

博主也是一名机器学习深度学习爱好者，自然而然需要使用Tensorflow-gpu进行代码的运行，但是安装的过程可谓是九曲十八弯，经历过不少的痛苦，历时也是半年之久，遇到的问题也是一箩筐。直到今日，博主终于悟出一个简单实用并且绝对有效的安装过程，这一过程是博主亲自使用自己电脑多次安装，多次测试后验证的来的，好了，废话不多说，开始。

2 安装

2.1 Anaconda

1. 下载Anaconda
   写过python代码的人都会知道，这是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。这也是我们简单安装Tensorflow-gpu的重要因素之一。
   点击可选择自己电脑适配的版本。
2. 安装 Anaconda
   下载完成后，同意条款，选择安装，安装目录可以根据自己选择来，**可以自定义，但是注意路径尽量短且必须全英文，博主建议默认，虽然2个G，但是对于学习来说，这都没什么。**安装时会让你选择是否添加环境变量，博主一般会选择勾上。之后就等待即可。
   

2.2 Pycharm

1. 下载Pycharm
   PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具。其中很重要的功能即可以自由切换编译器，这也是我们选择它的一个重要原因。
   点击可选择自己电脑适配的版本，可选择专业版，也可以选择社区版。
   专业版需要进行激活，点击查看激活方法，博主亲测有效。
2. 安装Pycharm
   下载完成后，同意条款，选择安装，安装目录可以根据自己选择来，同样**可以自定义，但是注意路径尽量短且必须全英文，博主同样建议默认。**等待，然后根据自己的版本选择激活或者使用。
   

2.3 CUDA

要使用Tensorflow-gpu，就必须要安装CUDA（Compute Unified Device Architecture），它是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。

1. 下载CUDA
   这里一定要注意，下载的CUDA必须根据自己的显卡进行选择下载；首先在桌面右键，选择NVIDIA控制面板，选择系统信息
   
   然后选择组件，查看NVCUDA.DLL，这里显示的CUDA 版本既是你所能够安装的CUDA的最高版本。
   
   根据你的显卡，点击此处选择CUDA型号，
   可以看到，博主的显卡最高支持的CUDA是9.0.176，因此，博主在这里选择的是；
   
   依次进行选择，
   
2. 安装CUDA
   安装CUDA，可以根据这一博文进行安装，当然博主试过了，直接选择精简即可，等待安装完成。
   

2.4 cuDNN

在安装完CUDA后，还需要下载安装cuDNN，并且下载的版本需要和CUDA相对应，比如你下载的CUDA 8.0，那么你的cuDNN也应该是8.0版本的，其实在cuDNN下载处已经说明了。

1. 下载cuDNN
   点击选择cuDNN,可以看到如下界面；这里有for CUDA，选择对应版本即可。这里有非常多的版本，如V7.5，V7.6等等，在这里，博主选择的是最新的版本，即v7.6 for CUDA 9.0,运行没有问题，具体这里如何选择，博主也没有明确的思路，如果有知道的，烦请指出，谢谢！
   
2. 安装cuDNN
   这里的安装十分的简单，其实不应该称为安装。因为cuDNN是一个压缩包，解压后如图所示；将前三个文件复制，然后粘贴到CUDA的安装目录下，默认的安装目录为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，选择覆盖即可。
   

2.5 安装Tensorflow-gpu 非常重要

1. 打开Anaconda
   
   依次进行选择 Environments，然后左下角选择create。我们要创建一个新环境，因为在默认环境中，python版本为3.7，3.7的版本无法运行tensorflow 1.13版本，因为需要创建一个新环境。
   
   
   创建完成后，就会在左侧出现tensorflow-gpu新环境，选择，然后搜索tensorflow，下面就会出现tensorflow-gpu，博主这里安装了，所以没有出现。
   
   选中，鼠标需要放在复选框里，先左键，然后右键出现如下图所示，选择1.11版本
   
   之后选择apply，然后继续apply即可，安装完成。
   

2.6 Pycharm中选择解释器

打开pycharm，File——>Settings——>Project——>Project Interprter，


因为博主这里已经添加了这一解释器，所以出现了。在未添加之前，这里是没有地的，选择右边的加号，找到Anaconda3——>envs——>tensroflow-gpu(这是你在anaconda中创建的新环境的名称)——>python.exe。



大功告成。

2.7 测试

import tensorflow as tf

sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a + b))  # 3

得出结果即安装成功
运行后大致会出现以下结果，即表示安装Tensorflow-gpu成功。

2019-07-04 09:20:29.465943: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2019-07-04 09:20:30.439320: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1411] Found device 0 with properties: 
name: GeForce GTX 1050 Ti major: 6 minor: 1 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
totalMemory: 4.00GiB freeMemory: 3.29GiB
2019-07-04 09:20:30.439898: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1490] Adding visible gpu devices: 0
2019-07-04 09:20:31.445611: I tensorflow/core/common_runtime/gpu/gpu_device.cc:971] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-07-04 09:20:31.445803: I tensorflow/core/common_runtime/gpu/gpu_device.cc:977]      0 
2019-07-04 09:20:31.445915: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990] 0:   N 
2019-07-04 09:20:31.447394: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1103] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 3007 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1)
3

希望能够帮助到大家，有什么问题可以 直接评论即可，喜欢有用的话可以点个赞让更多的人看到，如果不够详细的话也可以说，我会及时回复的。