win7+CUDA+Anaconda+tensorflow_GPU+keras安装（艰辛）

背景：想实现 yoloV3 算法，据介绍使用keras实现 yolov3 比较方便，github上下载到 keras_yoloV3代码包，但是 keras 实现使用的后端是 tensorflow ，于是便开始安装tensorflow ， 没想到安装版本匹配如此麻烦.........

1、软件安装包版本（从先到后）：

（1）、CUDA9.0 + cudnn-9.0-windows7-x64-v7.4.2.24

（2）、最新版 Anaconda3 (python3.7) （后来用anconda创建了python3.6 虚拟环境，python3.6支持下面的 tensorflow 版本）

（3）、pypi官网下载 tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl 文件

（4）、Keras-2.2.4

2、安装过程（对应上面安装包序号）：

 （1） CUDA9.0 + cudnn-9.0-windows7-x64-v7.4.2.24安装

•        查看GPU型号是否支持CUDA，如下图，在控制面板——>硬件与声音，找到NVIDIA控制面板（安装了显卡驱动就会有），打开NVIDIA控制面板可以看到GPU型号，去NVIDIA官网查看该GPU型号是否支持CUDA，支持才能继续安装；然后打开NVIDIA控制面板的左下方的 系统信息， 之后在组件中可以看到 NVCUDA.dll，后面显示了CUDA的版本；去下载对应的CUDA版本：CUDA9.0，然后下载CUDA9.0对应版本的CUDNN：cudnn-9.0-windows7-x64-v7.4.2.24。另外要注意显卡的驱动与CUDA版本匹配问题，如下表：

•        CUDA安装直接按照软件提示流程，并勾选加入环境变量选项。（注：我安装时碰到问题，CUDA软件包提示安装不了，后来直接卸载了电脑上所有以前与CUDA相关的软件，重要的是需要卸载原显卡驱动，然后开机重新安装CUDA9.0成功，安装过程中会询问是否安装显卡驱动，可点击安装，安装成功后，显卡驱动也安装好了）。
•        安装cudnn-9.0-windows7-x64-v7.4.2.24，这是一个压缩包，下载解压之后，将对应的 .lib .dll .include文件复制到CUDA9.0安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\  对应的lib  dll  include文件夹下，即可。

（2）Anaconda3 (python3.7)安装

•        直接在官网下载了最新版 anaconda(python3.7) ，直接按照软件提示安装成功。（注：由于默认安装python3.7，所以刚开始我下载了pypi官网最新版的tensorflow：tensorflow-1.13.1-cp37-cp37m-win_amd64.whl，支持pyhton3.7，但是安装成功后，验证tensorflow运行失败，我也不知道为什么失败，可能版本太新吧）
•        最新版tensorflow安装失败后，我就想下载 tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl进行安装，支持python3.6。
•        由于没有安装python3.6，所以使用anaconda 创建python3.6 的虚拟环境（如果一开始就安装python3.6版本的Annaconda，可能会省很多事.......）：

conda create --prefix= D:\wdj\my_tensorflow python=3.6

或

conda create -p D:\wdj\my_tensorflow python=3.6

\\ 在D:\wdj\目录下创建 my_tensorflow 虚拟环境，并在该环境下自动安装 python3.6

（3） pypi官网下载 tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl 文件 本地安装

•         tensorflow版本选择问题：tensorflow_gpu、pyhton、CUDA的版本需要匹配，tensorflow_gpu文件上一般会标明python版本，CUDA版本需要到官网查询，windows tensorflow1.5.0 以上版本都是在CUDA9.0平台下编译的。（注：网上有很多大神自己下载了tensorflow的源码，然后在各种python、CUDA平台上自己编译，生成了各种平台版本下的tensorflow版本，可可自行选择安装，当然你也可以自己下载源码编译，反正我是不会....）
•         为什么我要下载tensorflow_gpu文件本地安装：因为刚开始我使用 pip 命令直接在线安装，pip 命令默认从国外网站下载安装，导致下载速度非常慢，导致半途下载安装失败，如果是小文件可以使用国外网站下载；其实可以通过更改下载源地址，将下载源地址更改为国内网站，如：清华大学开源软件镜像网站，下载速度会很快。由于我想安装 tensorflow_gpu-1.12.0 版本，我没找到国内源网站有这个版本，所以在pypi官网下载了本地文件。
•        在CMD中激活创建的虚拟环境（python3.6）： 

activate D:\wdj\my_tensorflow

•         在虚拟环境下   ，执行conda指令安装anaconda，在虚拟环境下安装anaconda是为了自动安装一些附加依赖项，必须先安装附加依赖项才能安装tensorflow_gpu, 这些附加依赖项根据当前环境下使用的python3.6版本，自动安装对应python3.6版本的依赖项。

conda install anaconda

•         然后本地安装 tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl 文件，在CMD中输入：

  pip install D:\Wangdongjing\NVIDIA_Anaconda_software\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

  这时将启动 tensorflow_gpu安装，自动完成；虽然在上一步已经安装了附加依赖项（anaconda中），文件也已经下载到本地，但是在pip 安装过程中还是需要联网下载一些附加项（具体需不需要我记不太清了，如果断网情况下不行，就联网试试）。（注：总之安装 tensorflow_gpu之前，需要先安装一些  tensorflow_gpu 必要的附加依赖项。）

（4） Keras-2.2.4安装

•          Keras-2.2.4安装比较容易，直接输入命令：

  pip install  keras==2.2.4
  
  或
  
  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple keras==2.2.4
  
  指定从国内清华镜像软件网站安装keras，默认从国外网站安装有时会失败；
  指定安装2.2.4版本，该版本与前面安装的TensorFlow-gpu版本匹配，可以运行keras；
  如果不指定安装keras版本，则可能会安装最新keras版本，则低版本的TensorFlow-gpu可能不支持新版本keras的某些新功能, 总之TensorFlow 与 keras 的新旧版本需要注意匹配

   

总结：至此，整个安装过程完成，在后面编译运行 keras_yoloV3 代码包中的 yolov3代码时，还遇到一些问题：

• 从 https://github.com/qqwweee/keras-yolo3下载的 keras_yoloV3 代码包，按照说明文件提示首先运行：

  python3 convert.py yolov3.cfg yolov3.weights model_data/yolo.h5
  
  //转换 Darknet YOLO 模型为 Keras 模型

  但是运行出错，后来发现是 convert.py 文件有问题（不知道是不是我自己不小心改动了，或者我的运行环境问题），所以重新从别的地方下载了convert.py 文件，运行成功，生成 yolo.h5文件。

• 进入程序文件目录，运行 yolov3 程序，直接输入命令： python yolo.py ，运行没有反应，后来输入命令：

  python yolo_video.py --image

  运行成功，提示 input image filename： ，输入图片名称后，运行显示结果。

• 在运行程序过程中，会提示缺少一些外部安装模块，包括 CV2 、......等等，这时按照提示使用 pip 命令从国内安装源安装相应支持库就行了。
• pip 与 conda 命令都可以执行安装软件命令，但是 pip 命令是单独安装，只会安装指定名称的软件；而 conda 命令是打包安装，会自动安装指定软件相关的支持文件。