Win10环境搭建tensorflow-gpu环境

@skiery原创

Win10环境下搭建tensorflow-gpu环境

已安装软件

首先，我在环境搭建之前已经安装好了VS2015，一般在使用tensorflow的时候需要搭配VS的编译器，所以大家最好先安装VS2015，有老版本的卸载之后再安装，新老版本冲突的问题在我的另外一篇博客里有写，大家有兴趣可以去翻一下

搭建步骤

1.安装anaconda

看了很多博客和帖子，发现大家基本都在使用anaconda搭建tensorflow-gpu的环境，所以我就不标新立异了，也用这个环境。下载的时候推荐大家安装：Anaconda3-5.2.0-Windows-x86_64这个版本号的anaconda，它应该对应python3.6版本的最新版本号，可以去清华镜像站下载老版本，官网上下载下来的对应python3.7，具体差异没有看过。
安装之后，有了anaconda环境（和jupyter一系列的环境）

2.安装CUDA

此处千万千万要注意，搞清楚自己的GPU是什么型号的，去英伟达官网看一下，自己的GPU算力是多少，支持什么版本号的CUDA。比如我用的是GTX1070Ti，没有这一款，但是他的算力肯定比GTX1070强，于是我就用了GTX1070的配置，对应了CUDA9.0这个版本。
找对了CUDA版本，去英伟达官网下载CUDA（或者百度云盘什么的），安装，Bingo，问题解决。

3.安装cuDnn

这个要参考下图，根据自己的CUDA版本号，下载相应的cuDNN。cuDNN下载之后不用安装，直接将解压后的三个文件夹复制放在CUDA安装目录下即可。

4.搭建环境

安装好anaconda后，进入anaconda prompt，开始搭建过程。
首先是给anaconda换下载源（外网链接无速度，此处使用清华镜像）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

然后创建anaconda下面独立的环境：

conda create -n tensorflow-gpu python=3.6.5

这句话意思是创造一个名字叫做tensorflow-gpu的独立python环境，里面使用python的版本号是3.6.5。成功创建环境之后，使用命令activate tensorflow-gpu会发现自己进入了这个创建好的环境（有使用虚拟机经验的朋友可以认为这里就像anaconda给我们提供了独立的python虚拟机环境）。
在环境里使用命令行更新pip（这个独立环境里的pip升级）：

python -m pip install --upgrade pip

最后是安装tensorflow-gpu，安装的版本号结合之前的表格进行选择（比较新的版本似乎都会用到bazel编译器，所以大家最好用Cmake对应的tensorflow-gpu版本，会少很多麻烦）

pip install --ignore-installed --upgrade tensorflow-gpu==1.7  #此处以版本号位1.7为例

测试是否安装成功

在cmd中激活之前创建的环境：

conda activate tensorflow-gpu

然后打开python输入代码进行测试，截图如下：

这些Warning大家看一看，会发现不影响我们运行的结果，可以在代码中加入忽略该级别警告的代码片：

import os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"

测试完发现sess.run()可以被正确的读取，那就说明你的tensorflow-gpu环境搭建成功了，congrats！
最终，测试使用完之后，我们直接关掉cmd即可，想退出这个tensorflow-gpu独立环境的话，使用指令deactivate即可。

希望大家顺利搭建环境，有问题还请留言指正