Windows tensorflow（GPU）安装及调用

安装

1. tensorflow官网安装代码（最新版本不用指定GPU了，直接安装就可以，老版本根据官网介绍指定版本号安装即可，需要注意和python版本要对应起来）

pip install tensorflow

2. 需要配套安装CUDA和cudnn
   不同版本的tensorflow适配的CUDA和cudnn版本也不同，需要安装对应的版本。cudnn有点像CUDA的补丁，下载完之后把压缩包里的文件复制进CUDA对应的安装文件夹下，版本对应查看这里。
3. 安装好后要配置环境变量，不然导入时会各种找不到.dll文件（可以参考这篇文章‘设置环境变量’部分）。如果配置完了环境变量还有些文件找不到，就手动找到这些文件，添加进C:\Windows\System文件夹下
4. 这时候GPU应该已经可以调用了，通过以下代码查看是否配置成功。如果输出为true，说明GPU可以调用了；如果输出为false，就查看报错信息，看看是哪个文件没找到，回到第3步，该添加环境路径的就添加环境路径，该添加到System文件夹的就添加文件夹，弄完基本上就会True了。

import tensorflow as tf
tf.test.is_gpu_available()

5. 补充一下，如果上面的测试显示True了，但是蹦出以下提示语句：

tensorflow: Not creating XLA devices, tf_xla_enable_xla_devices not set

可以通过以下代码解决。不过我目前还不知道设置了这个是干什么的，我是纯粹为了少看一个提示。

os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'

调用

使用GPU进行计算时，需要在程序开头添上这两行：

import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"

如果电脑只有一块GPU，第二行就是=“0”，多块GPU可能能取别的值，我就没试过了。贴一篇多个GPU切换的参考文章。

释放GPU内存

用GPU计算完之后需要释放GPU内存，不然下次调用GPU时会报错。

from numba import cuda
cuda.select_device(0)
cuda.close()

numba需要先安装一下，我用pip安装总是报错，显示找不到满足llvmlite要求的版本，后来用conda安装就成功了。