mxnet tensorflow-gpu安装

windows10下MXNet-gpu基于cuda9.2的安装待补充…

基于cuda9.2 的tensorflow-gpu 1.8安装

后来安装tensorflow-gpu版本的时候一直遇到问题，主要是有下面的解决方法：

• 通过pip install tensorflow-gpu安装之后，使用with tf.device("\gpu:0")仍然只能找到cpu
• numpy版本不兼容
• tensorboard两边不兼容

主要有以下几个问题：

• tensorflow官方给的是1.12+cuda9.0，我之前的mxnet是cuda9.2，所以参考了这篇博客 ，在github下载cuda9.2下编译的tensorflow-gpu 1.8版本的 package

• 之前安装mxnet的时候，使用了mxboard,安装官方的需求安装了tensorboard,而在安装了cpu版本的tensorflow情况下，再次安装gpu版本就会出问题，所以参考stackflow给出的方案:
  pip uninstall protobuf
pip uninstall tensorflow
pip uninstall tensorflow-gpu
pip install --upgrade --force-reinstall tensorflow_gpu-1.8.0-cp36-cp36m-win_amd64.whl

• tensorflow安装过程中会获取最新版本的numpy(1.16),而mxnet 1.13.1不支持这个版本，所以需要重装一次mxnet的安装包(因为当时已经把whl下载到了本地，比较方便)或者重装一次1.14版本的numpy
  pip install mxnet_cu92-1.3.1-py2.py3-none-win_amd64.whl

最后经过测试mxnet,mxboard,tensorflow-gpu,tensorboard都可以正常使用.

最后附上一段tensorflow-gpu的测试代码：

`# 新建一个 graph.`

`with tf.device('/gpu:0'):`

		`a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a')`

		`b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b')`

		`c=tf.matmul(a, b)`

`# 新建 session with log_device_placement 并设置为 True.`

`sess=tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True))`

`# 运行这个 op.`

`print(sess.run(c))`

reference

[1] https://blog.csdn.net/qq_33186949/article/details/79104659
[2] https://stackoverflow.com/questions/42326748/tensorflow-on-gpu-no-known-devices-despite-cudas-devicequery-returning-a-pas
[3] https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.8.0/py36/GPU/cuda92cudnn71sse2
[4] http://www.mclover.cn/blog/index.php/archives/179.html