1、选择版本
选择好对应的Tensorflow、Python、cuDNN、CUDA版本(这里我选择Tensorflow_gpu-1.12.0、Python-3.6、cuDNN-7、CUDA-9)
2、安装CUDA
下载地址:CUDA Toolkit Archive | NVIDIA Developer
选择对应的版本进行下载,然后安装(默认配置 下一步就行)。
安装完成后在命令行 输入nvcc -V出现如下结果说明CUDA安装成功。
3、安装cuDNN
下载地址:CUDA Deep Neural Network (cuDNN) | NVIDIA Developer(需要注册nvidia账号)
下载完成后吧cuDNN解压缩出来的文件全部复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0路径中。
完成后在命令行输入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
运行 .\bandwidthTest.exe 出现下图结果
运行 .\deviceQuery.exe 出现下图结果
说明cuDNN安装成功。
4、安装Anaconda3
anaconda包含很多库而且可以用于python版本管理,适用于做深度学习。
下载地址:Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror (使用清华大学镜像速度较快)
下载安装后在左下角的开始列表里找到Anaconda Prompt