win10下tensorflow-gpu的安装

win10下tensorflow-gpu的安装

GPU对神经网络模型的训练具有很大的作用，如果想要基于tensorflow做好神经网络模型构建，那么相对于tensorflow-cpu，tensorflow-gpu是我们更应该选择的，GPU资源可以更好的利用显卡资源，加快模型的训练速度(排除数据样本极小的情况)。下面是作者安装tensorflow-gpu的过程。（本操作在python3.7版本下进行）

1.tensorflow-gpu的安装

首先我们需要操作的第一步是安装tensorflow-gpu

• 第一种方法

  直接打开终端，输入pip install tensorflow-gpu系统会默认下载最新版本的tensorflow-gpu

  在这里也可以直接输入pip install tensorflow-gpu==所需版本(如1.14.0)，但在这里不建议这么做。

  首先我们不知道你的python版本所对应的tensorflow的版本，其次安装速度很慢。

• 第二种方法(推荐)

  直接点开tensorflow-gpu的官网，在历史版本中找符合自己python版本的tensorflow-gpu
  
  https://pypi.org/project/tensorflow-gpu/#history

  例如
  
  在这里如果是python3.7版本的同学，建议下载tensorflow-gpu1.14.0版本的，因为该版本对tensorflow1.0和2.0版本代码内容均有兼容，对构建神经模型的容错性高。如果是python3.5,3,。6的同学建议下载tensorflow-gpu1.4.0版本或2.0.0版本(1.0,2.0版本代码表达差别较大，看各自喜好，这两个版本属于比较经典的)

​ 进入下载tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl文件所在的位置，打开终端输入pip install 文件名(这里是tensorflow_gpu-1.14.0-cp37-cp37m-win_amd64.whl)

​ 然后可以输入conda list检查是否安装成功

2.安装CUDA及报错改正

接下来是至关重要的一步，CUDA的版本选择及安装

很多人下载完tensorflow-gpu就想要实现代码，但往往会出现ImportError: Could not find ‘cudart64_90.dll’

这样的问题，这说明你没有安装CUDA或者环境变量没有设置

我们得先清楚我们的tensorflow所匹配的CUDA是什么版本的，进行以下操作

找到TensorFlow安装包的位置，默认安装位置在：anaconda\Lib\site-packages，继续打开 tensorflow -> python -> platform 文件夹，打开文件build_info.py。可以看到与我当前tensorflow所匹配的CUDA版本和cuDNN版本。

然后直接搜索CUDA+所需版本，进入官网直接下载。

安装时注意几点

• 一开始点开安装包，会有如下界面，会出现一个路径，该路径为解压路径不为安装路径，切记解压路径和安装路径要不相同，否则当临时解压路径被删除时安装路径也被删除了。
  
• 接下来选择自定义
  
  安装路径一般使用C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 (建议，当然也可以自定义，与后面环境配置有关，需注意)
  
• 若中途出现安装失败或者安装文件找不到，建议多试几次就可以了

安装结束后，我们需要对环境进行配置，打开我的电脑->右击鼠标点开属性->选择界面内的高级系统设置->点开环境变量->环境配置

一开始已经有了

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 
CUDA_PATH_V10_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

然后我们需要新建其他五个环境变量

     变量                                值
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 
CUDA_BIN_PATH = %CUDA_PATH%\bin 
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

做完以上步骤打开终端输入echo%path%查看是否成功添加变量

有的电脑可能需要重启才能激活变量

3.下载CUDNN及后续操作

安装完CUDA后我们运行tensorflow-gpu一般还会出现报错 ImportError: Could not find ‘cudnn64_7.dll’ ，这是就需要我们安装CUDNN

点开https://developer.nvidia.com/cudnn进入官网，进行账户注册登录，下载相应版本

下载后是一个压缩包，我们只需要压缩该文件，并打开\cudnn-10.0-windows10-x64-v7.6.5.32\cuda\bin我们会看到cudnn64_7.dll

然后我们将cudnn64_7.dll拷贝或复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin中

经过以上三个步骤后，我们可以进行检验

python
tf.__version__
tf.__path__

若如果出现以上的情况，说明已经成功的安装并配置好tensorflow-gpu的环境了。

本文为作者实操过程，如果有什么问题或者有趣的坑可以一起讨论，谢谢！