windowcuda版本_Windows下安装tensorflow-gpu版本

第一次安装TensorflowCPU版本时，觉得好麻烦啊，有很多版本匹配问题。等我安装完GPU版本后，就觉得CPU版本也太简单了。带独立GPU的电脑可以使用TF的GPU版本进行加速。事实证明，即使是“很烂”的显卡，带来的加速效果也是很明显的(有一些包会针对GPU加速)毕竟我的GeForce GT 730都跟服务器20个CPU跑的速度差不多。下面是基于我的GT730显卡的配置教程，对应的是Tensorflow1.0版本。版本匹配问题

为了用上GPU，我们除了Tensorflow和keras，还需要安装Cuda和cuDNN。四者版本需要据需要对应，如下表：Tensorflow，Cuda，cuDNN对应关系表

看起来我们是可以随便选一套，实际上是受到显卡限制的。我们只能选取显卡支持的Cuda版本及以下的。

2. 查看显卡型号

第一步需要确定我们的独立显卡是否支持Cuda，支持列表见官网：

确定显卡支持Cuda之后，需要查看其支持的最高Cuda版本，可以在NVIDIA控制面板→右下角系统信息→组件。支持版本及以下都可以运行，这里GT730最高支持版本是Cuda9.1。于是可以在这个限制下选取一套版本。

3. 下载安装anaconda和Tensorflow

首先Anaconda需要放到环境变量里面，如果在安装的时候没加，后面要手动加进去。

最好先安装好Tensorflow确认没问题再安装Cuda和cuDNN。我一开始先安装了Cuda9.1，然后安装了TF1.12.0，结果TF1.12.0全是坑，import总是出错，然后降级到TF1.9.0可以正常import，但是只支持Cuda9.0了，只好又重新下了Cuda9.0，重新安装。这里说一下，TF1.9.0 import的时候错误信息告诉我了需要Cuda9.0版本，还是很人性化的。

注意同一个虚拟环境下不能同时安装TF的CPU和GPU版本，所以需要新创建一个虚拟环境，专门安装GPU版本。

4. 下载安装Cuda

Cuda所有版本下载链接：

下载好可以安装，这个过程似乎也有一些坑，但是我没有遇到。安装过程如下：Cuda安装第一步Cuda安装第二步，最好选择自定义安装，不然会多安装许多组件一般只需要Cuda就好了

然后选择安装路径就好了。我一般都是默认安装路径，以防出现各种bug。不过我当时安装的时候并没有自定义安装，安装了所有组件，好像也没什么影响，就是多安装的东西有点碍眼。

安装完成之后最好测试一下是否正常：终端输入 nvcc -V，查看版本

安装好之后，电脑系统环境变量里面应该多出两个，下图两个cuda的路径：中间两个cuda的路径

除这两个之外，许多教程都会告诉我们要自己再加一些其他路径，要加的内容各个教程还相差很大。我自己就加了一个：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

后续并没有出问题。

5. 下载安装cuDNN

装好Cuda之后要装cuDNN，只需注意版本匹配便好：

cuDNN 所有版本下载地址：

下载之后，解压，把bin，include，lib三个文件夹里面的东西都放到CUDA/v9.0对应的同名文件夹里面，cuDNN就算配置好了。cuDNN解压之后的三个文件夹

6. 总结

配置tensorflow-gpu乍一看略复杂，总结一下发现好像也并没有特别麻烦，只是注意好版本，重新建个虚拟环境，装好TF，Cuda和cuDNN就好。但是坑太多了，有些坑要爬很久，也不一定能爬出来。不过讲起来，我装keras从来没有出现过问题。

PS：文章中有任何问题欢迎大家指出。