win10系统vs2017+1060配置CUDA安装tensorflow-gpu

笔者最开始安装的是推荐的cuda10后来虽然vs实例能成功运行，但是tf的import还是报错，后来安装的9.2，运行无误，各下载链接在文后可自行查看

• 检查显卡驱动是否为最新版本

非常重要

• 安装Anaconda

1、下载地址：https://www.anaconda.com/download/

版本不是py3.6也不要紧，可以通过指令单独设置py3.6的环境

也可以在https://repo.anaconda.com/archive/ 选择对应版本，其中5.2.0位py3.6

2、安装可以全部选择默认路径，额外需勾选advanced options的第一项：添加环境变量，如果没有勾选则需在安装完成后手动添加

 

如果电脑中没有vscode，可以直接在安装程序中点击install Microsoft vscode安装

如果cmd中可以进入python则安装完成

如果没有成功可以检查下Anacondad运行文件夹的环境变量是否设置完

C:\Users\DuTianwei\Anaconda3

C:\Users\DuTianwei\Anaconda3\Scripts

C:\Users\DuTianwei\Anaconda3\Library\bin

• 配置py3.6环境

1、打开Anaconda Prompt

 

2、在命令窗口输入conda list 查看当前已安装的工具包，可以看到当前的python环境为3.7.0

 

3、添加仓库镜像，加快下载更新速度，

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

 

4、查看当前环境列表

Conda info –-envs

可以看到当前只有一个基础环境base，且当前被激活的环境会显示有一个星号或者括号。

5、创建虚拟环境

格式为：conda create -n 环境名 -c 镜像源

以cpu下的tensorflow为例：

conda create -n tensorflow-cpu python=3.6

可以看到新建的环境

建立完毕后进行查询可以看到当前有两个环境，其中base被激活

激活新创建的环境：  conda activate tensorflow-cpu

查询tensorflow-cpu环境中python的版本：   python –v

可以看到的确是python 3.6

6、安装tensorflow

安装CPU版本输入

pip install tensorflow

安装成功

7、验证tensorflow 是否运行正常

import tensorflow as tf

 

a = tf.random_normal((100, 100))

b = tf.random_normal((100, 500))

c = tf.matmul(a, b)

sess = tf.InteractiveSession()

sess.run(c)

 

 

四、安装GPU版本的tensorflow

GPU版的安装在安装tensorflow前与CPU版本是相同的

 

1、创建环境：
conda create -n tensorflow-gpu python=3.6

Conda info -e

Conda activate tensorflow-gpu

查看版本和组件：
python -V

Conda list

 

2、安装CUDA

支持的最新版本号可以在NVIDIA系统信息中查看，但是并不用完全根据这个版本号安装最新的CUDA，因为tf框架可能并不支持。Tensorflow-gpu的安装需要保证CUDA CUDNN tensorflow三个对应版本之间的切合，否则就会报错。

 

各版本的cuda下载

https://developer.nvidia.com/cuda-toolkit-archive

以通过编译后的tensorflow离线安装包下载

https://github.com/fo40225/tensorflow-windows-wheel

各版本CuDNN下载地址

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

 

在安装的时候可以直接选择精简版默认安装，不会有太大的区别，安装完后可以检查下驱动是否被覆盖成了低版本的

 

3、检查CUDA环境变量是否正确

 

Path中应该有如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\extras\CUPTI\libx64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include

 

 

 

4、检查CUDA安装

在cmd中输入nvcc -V检查cuda是否安装

 

5、解压cudnn-9.2-windows10-x64-v7.2.1.38.zip，将文件夹里的内容拷贝到CUDA的安装目录并覆盖相应的文件夹，CUDA拷贝目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2

 

6、打开目录C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.2\5_Simulations\nbody

nbody_vs2017.sln，用vs2017打开，编译

 

如果运行成功，则cuda运行正常。如果报错

首先检查vs2017的sdk是否安装，2015 C++ redistribution x64是否安装，鉴于2017 C++ redistribution x64是2015版的更新，所以有2017版即正常。

如报错MSB372 code2

这是因为cl.exe的版本过高。可以进行如下操作查看当前cl.exe的版本：

打开命令行窗口，进入Community版本的cl.exe所在的目录下：

C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Tools\MSVC

\14.15.26726\bin\Hostx64\x64

，其中14.15.26726会因为不同版本而不同。

打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include\crt

里的host_config.h

修改#if _MSC_VER < 1600 || _MSC_VER > 1913

1913改为1915即可

 

安装GPU版本输入

pip install tensorflow-gpu

pip install --ignore-installed --upgrade tensorflow-gpu

 

7、采用离线安装的形式安装tensorflow-gpu

管理员模式进入anaconda prompt

激活tensorflow-gpu环境

Conda activate tensorflow-gpu

将放在c盘随意文件夹内，

Cd进入该路径

pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl 即可离线安装

安装成功后

输入python

Import tensorflow as tf 如未报错则成功

 

参考文档

tf和cuda、cudnn的版本问题解析：

https://blog.csdn.net/MahoneSun/article/details/80809042
https://blog.csdn.net/lifuxian1994/article/details/81103530

阿里云上的tf离线安装包：

http://mirrors.aliyun.com/pypi/simple/tensorflow/

Ubuntu上安装tf-gpu-1.10 1060

https://www.cnblogs.com/hutao722/p/9342577.html?tdsourcetag=s_pcqq_aiomsg

tensorflow1.11_gpu_py37_cuda10 已下载

https://download.csdn.net/download/qq_18135323/10703462?tdsourcetag=s_pcqq_aiomsg

Win10+CUDA10+VS2017 安装配置教程

https://blog.csdn.net/leelitian3/article/details/83272272

win10下配置GPU加速的Keras框架

https://blog.csdn.net/qilixuening/article/details/77503631

tensorflow-gpu1.8.0+win10+vs2017+CUDA9.2 安装

https://blog.csdn.net/weixin_42359147/article/details/80622306

https://blog.csdn.net/u013898716/article/details/81059133

Tensorflow prebuilt binary for Windows：

https://blog.csdn.net/qq_33856151/article/details/79295086

https://github.com/fo40225/tensorflow-windows-wheel

各版本的cuda

https://developer.nvidia.com/cuda-toolkit-archive

CuDNN下载地址

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