windows10下CUDA10.0环境配置

新电脑到手，配置一下深度学习环境

Windows 10 Version 1909
显卡1660TI
安装python3.6

安装CUDA

下载CUDA 10.0
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

一路默认安装即可

安装遇到错误 NVDIA CUDA安装失败
参考https://blog.csdn.net/w670165403/article/details/81737139
先进安全模式把系统的显卡驱动删除
删除系统盘中这三个文件夹

C:\Program Files (x86)\NVIDIA Corporation
C:\Program Files\NVIDIA GPU Computing Toolkit
C:\Program Files\NVIDIA Corporation

重启后安装CUDA便成功了

（安装完CUDA程序后可以再把英伟达的显卡驱动装回来）

需要注意的是其他安装教程需要去环境变量设置里添加CUDA路径，但我默认安装完CUDA之后便已经添加了环境变量，应该是英伟达后续更新在安装过程中已经添加了脚本

下载cuDNN

https://developer.nvidia.com/rdp/cudnn-download
需要注册
登录后选择对应CUDA版本的cuDNN安装


下载后解压，将得到的CUDA文件夹bin ，lib，include文件夹

将bin ，lib，include文件夹复制合并到到

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

中的bin ，lib，include

然后CUDA环境安装就大功告成了

安装TensorFlow1.13.1-gpu

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.13.1-gpu

安装keras

pip install keras

检查TensorFlow版本以及GPU是否可用

import tensorflow as tf
from tensorflow.python.client import device_lib

# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
#print(local_device_protos)

# 只打印GPU设备
[print(x) for x in local_device_protos if x.device_type == 'GPU']


print("TensorFlow版本：",tf.__version__)

输出GPU信息：

安装Pytorch 对应CUDA10.0的GPU版本

官网第一个安装页面显示了CUDA10.1和10.2的代码

查找CUDA10.0对应的Pytorch的安装方法需要进入
https://pytorch.org/get-started/previous-versions/

根据安装命令安装

pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

测试Pytorch是否可用

import torch
flag = torch.cuda.is_available()
print(flag)

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda()) 

输出：

以上新电脑的深度学习环境就配好了。