TensorFlow、Python、CUDA、cuDNN 不同版本对应关系及安装方法

今天又在继续折腾 TensorFlow 的安装，现在 2.0 版的 TF 大改，我拿到的教材都是基于 1.x 版本的，代码在 2.0 上跑总是有各种问题。而且 CUDA 等配置也有不少问题，总是出现异常。比如我跑个测试代码：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

按照网上的教程改来改去都一堆异常：
AttributeError: module 'tensorflow' has no attribute 'Session'
RuntimeError: The Session graph is empty. Add operations to the graph before calling run().

不过在 TF2.0 版本中这样写就没问题：

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant('Hello, TensorFlow!')
sess = tf.compat.v1.Session()
print(sess.run(hello))

不过 GPU 模式还是用不了（艹
搞得我烦死了，
所以还是决定乖乖安装旧版本吧。。这种东西最新的并不一定是最适合的。。

---

此文所有步骤都在科学上网环境下进行的，如果没有科学上网，可能下载一些包速度很慢甚至出现连接超时。可以尝试使用国内镜像下载。

---

版本对应关系

当在安装Tensorflow的时候，若我们直接使用以下指令：

pip install tensorflow-gpu

这样的话，安装的会是最新版的 tensorflow-gpu 版本。也就是 2.0 版本。而用 GPU 加速又还要装 CUDA、cuDNN，Tensorflow 不同版本要求与 CUDA 及 cuDNN 版本对应兼容。
如若不对应，则出现不兼容情况，会出现以下报错：
ImportError: DLL load failed: Failed to load the native TensorFlow runtime.
兼容情况可去这个链接查看

---

安装指定版本的Python

这个可以通过装指定版本的 Python 环境解决，我这里就装的 Python 3.6 。
我的前一篇博客说了怎么配置不同环境：
Anaconda 创建和管理不同 Python 环境以及 PyCharm 中不同环境的切换

---

安装指定版本 TensorFlow

我们可以对照表安装指定版本的 TensorFlow，比如我这里使用以下命令安装1.10版本：

pip install tensorflow-gpu==1.10.0

安装普通CPU版也是这个格式，不要后面的 gpu 就行。
注意是在配置好对应 Python 版本的环境中操作。

---

安装对应版本的 CUDA

从表中我们知道对应 v9.0 版本，我们去官网下载这个版本即可：

https://developer.nvidia.com/cuda-90-download-archive

这个装好之后还要配置环境变量，这里就不展开说了，网上教程很多。

---

安装对应版本的 cuDNN

同样是去官网下载对应的 v7 版本，下载这个需要注册并填写一个问卷。

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

---

终于把所有都装好，跑个测试代码终！于！不！报！异！常！了！

泪牛满面