Windows平台安装TensorFlow-GPU-（CUDA 8.0 + CuDnn 6.0）方法一

1 硬件要求

• Windows版本：Windows 7，Windows 8，Windows 10，Windows Server 12/16
• 显卡版本：请对照NVIDIA提供的支持CUDA的显卡列表（CUDA GPUs）。显卡版本通过"系统属性-设备管理器-显示适配器"查看。（AMD的显卡不可以使用NVIDIA显卡的CUDA ）
• 所有组件：Windows 7/8/10, Server 2012/2016 + Python 3.5 + Visual Studio 2015（VC++ 2015） + CUDA 8.0 + CuDnn 6.0

2 Python版本：64位版本的Python 3.5

• 下载：Python3.5，（下载地址）
• 安装：建议直接用Python的原生安装包，安装时建议勾选把Python加到系统路径当中去

• 安装Python以后，可以在"开始"菜单里点击"运行"输入cmd，在弹出来的窗口里输入"python"，如果能够正常打开python说明安装成功了。

3 安装Visual Studio 2015

安装VS2015（主要是为了安装VC++ 2015） ，其中VS2015的默认安装不包括C++的编译器，必须手动勾选Visual C++，不然会面临后续的CUDA编译错误。

4 CUDA8.0

• 下载CUDA8.0，CUDA8.0的下载地址：CUDA 8.0 Downloads
• 安装CUDA，安装成功后会看到如下图：

• 验证CUDA安装成功：打开命令行，也就是cmd然后输入"nvcc -V"，如果安装正确的话你应该看到这样的输出：

5 CuDnn版本：CuDnn 6.0 for CUDA8.0

• 下载CuDnn 6.0，cuDNN的下载地址：NVIDIA cuDNN，其中下载CuDnn前必须注册英伟达社区的会员，而且注册和下载得翻墙，不然注册或者登陆不成功（这是一个坑）。

• 安装CuDnn，将cuDNN下载以后解压，你会发现"cuda"的文件夹下面有bin、include、lib三个文件夹，将这个三个文件夹复制到CUDA8.0安装文件夹下，如"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0"。

 

6 确认系统环境变量(Environment Variables)

• 确认Python3.5.4.和Pip3在系统环境变量中
• 确认CUDA_PATH和CUDA_PATH_V8.0已经存在
• 手动添加 "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin"到Path里面。

7 安装TensorFlow的GPU版本

• 打开cmd，输入"pip3 install tensorflow-gpu"

  CPU版本： pip install tensorflow
  GPU版本： pip install tensorflow-gpu

• 版本问题：
  • pip3版本太低，可以使用"pip3 install --upgrade pip3"来升级pip3
  • pip版本过低，可以使用python -m pip install -U pip命令升级pip
  • 升级tensorflow，用"pip install --upgrade tensorflow"，其他相关的依赖包也被更新到了所需版本
  • 有时更新出现问题，可以在管理员权限下运行

 

8 测试TensorFlow是否安装成功

打开"开始"菜单的"运行"输入cmd，在弹出的窗口里面输入python打开python，输入下面的命令测试一下：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> sess.run(hello)
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> sess.run(a+b)
42

9 参考资料：

用GPU加速深度学习: Windows安装CUDA+TensorFlow教程

手把手教你搭建谷歌TensorFlow深度学习开发环境！

TensorFlow下载与安装

安装tensorflow，那叫一个坑啊

python中 pip install --upgrade pip出错