机器学习环境配置 ：anaconda cuda cudnn &tensorflow（gpu）

小白的机器学习环境搭建之路

1.前提步骤

安装合适版本的anaconda ，cuda，cudnn 再找tensorflow

1.1安装anaconda

官方网站Anaconda | The World's Most Popular Data Science Platform

 点击download

 （我用的是windows 64位的）

按照流程安装。

 安装完成后再验证一下

再搜索中输入anaconda会出现

 

 

证明anaconda安装完成

打开anaconda navigator 

再环境中可以新建&配置环境

（本文采用命令行的方式进行，因为这个方法用了不太行（个人））

1.2 cuda & cdnn的安装和环境配置

     1.2.1 cuda

 打开nvidia control 

 左下角系统信息

 点击组件，可以看到对应的：NVCUDA 64.DLL    

比如我的是11.4 版本

在官网上下载：CUDA Toolkit Archive | NVIDIA Developer

（只要对应到xx.x的版本就好了）

（注意:安装过程中一定要关注安装的路径或者自定义路径）

三个路径：

development；

documentation；

samples；

至此cuda以及安装完成了。

1.3cudnn的安装

官网：NVIDIA cuDNN | NVIDIA Developer

 选择download

 这里会要求你参加一个club，没有的化注册一个。

这个club并不会对你的后续操作进行限制。

选择注册：

 海外的网站会有一点慢，有条件的可以选择科学上网

 勾选 agree

点击release

 

找到对应你的cuda 的cudnn下载（不然的化后期不匹配会出现各种问题） 

安装结束后解压

（注意：请关注解压的路径）

解压后得到这三个文件

将解压后的所有文件复制粘贴到cuda的安装路径中；出现要求替换的点击同意。

至此cudnn的安装已经完成了

1.4cuda和cudnn的环境设置

 

 

 完成1.1-1.3的步骤后，在系统变量中会有

CUDA_PATH & CUDA_PATH_VXX 两个变量（版本和你的有关）

接下来配置

1：CUDA_SDK_PATH = （samples的路径）/vxx

2:  CUDA_LIB_PATH =    %CUDA_PATH%\lib\x64

3: CUDA_BIN_PATH=%CUDA_PATH%\bin

4:CUDA_SDK_BIN_PATH=%CUDA_PATH%\bin\win64

5:CUDA_SDK_LIB_PATH= %CUDA_SDK_PATH%\common\lib\x64

在path中添加以下4条：

再添加这四条：

（cuda的路径）\Vxx\bin;

  (cuda 的路径)\Vxx\lib\x64

  (samples的路径)\Vxx\commen\lib\x64

  (samples的路径)\Vxx\bin\win64

(注意版本号和你下载的有关)

 检查：

 进入命令提示符

输入nvcc -V 出现图示信息则完成

 

至此环境配置已完成

1.5tensorflow的安装

打开之前下载好的anacond prompt

输入pip list

 

 如果之前有下载好tensorflow但是没有安装好的

用pip uninstall + ()删除安装好的包

（正常情况下不用删除）

创建tensorflow的环境：

conda create -n tensorflowgpu python=3.6

（环境名称为 tensorflowgpu python版本为3.6）

（python3.6为写文章当前tensorflow支持的最高版本）

输入activate -（环境名）进入环境

 

至此你的tensorflow-gpu环境已经安装好了

1.6 tensorflow-gpu环境的日常使用（pycharm）

打开pycharm,选择你要运行的文件

如图编辑解释器配置：

 进入后点击“+”新建

 在解释器选项中选择anaconda中设置的python3.6（tensorflow-gpu）：

 允许运行&apply：

 完成！

 （注意：每次运行前必须打开 anaconda prompt 输入 activate （环境名），不然没用）