使用anaconda搭建tensorflow-GPU

在一路踩坑，一路百度之后，在电脑上终于安装好CUDA和cudnn，然后再anaconda中完成tensorflow-gpu的搭建。以及成功地将环境运用于pycharm中。下面介绍一下详细的步骤和注意事项。（2018.12.17）

    大致步骤就是安装显卡驱动——》cuda——》cudnn；安装anaconda——》创建环境——》配置环境。

一、硬件相关安装

1、确定好自己的显卡类型和驱动，一般来讲，只要显卡能装上最新的驱动（>=400版本），都可以。当然显卡驱动不是最新的也没关系，只要cuda和cudnn支持就行，具体见下图。

2、确定好自己的显卡驱动支持的cudn版本之后，现在来看你安装的tensoflow所支持的版本。见下图。

一般来讲，至今安装的tensorflow都是最新版本（当前版本1.12）。例如，我的版本tensorflow1.12（用print(tf.__version__)查看）,只支持CUDA9.0,所以当前的CUDA并不支持。

3、根据官网（https://developer.nvidia.com/cuda-toolkit）提示直接下载即可，安装过程一路next，没什么特别的。

4、接下来就是下载cundd（https://developer.nvidia.com/rdp/cudnn-archive）。先说明下，cudnn只是CUDA针对深度学习框架（主流框架很多都支持）的一个库。下载过程需要注册登陆NVIDIA的账号。

5、下载完成之后需要将cundd解压。并把相应目录中的文件拷贝到安装CUDA目录下的相同的文件名中，例如下图

CUDA安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

6、这样就完成了硬件的准备工作。接下来就是安装anaconda，以及配置环境。

二、Anaconda相关安装

1、从官网下载安装anaconda（https://www.anaconda.com/download/）。

2、安装过程中要注意下面的途中的选项

这样会省去很多后面添加环境变量的麻烦。

3、创建环境并配置。

 

创建并命名，然后安装相关工具包

安装完成之后就可以在该环境使用tensorfolw-gpu了。

4、例程如下

 

5、在这里可以看到我的可用的设备有两个，一个是CPU一个是1050ti的GPU。

好了，到这里差不多就完成了，本文中没有使用网上说的用conda，因为conda的结果和在图形化界面中配置结果是一样的。

下面是一些参考的CSDN的博客，感谢这些大佬们。

https://developer.nvidia.com/cuda-90-download-archive
https://www.jianshu.com/p/321ec1f27994
https://blog.csdn.net/lucifer_zzq/article/details/76675239
https://blog.csdn.net/qq_36124802/article/details/79675485
https://blog.csdn.net/qq_37437892/article/details/79576429

6、可能有错误和不妥的地方，欢迎批评指正。

（日后会写一下在pycharm中使用这些搭建好的环境，欢迎关注^_^）