cudnn版本_手把手教你安装Tensorflow GPU版本

tensorflow-gpu+电脑win10+gtx1050ti显卡配置心得

防坑指南！！！

!

01

##cuda的选择

       这里建议使用CUDA8.0的版本，因为小编之前下载安装了一个CUDA9.0的版本，好像是不能用的哦。官网下载CUDA8.0 https://developer.nvidia.com/cuda

        之后呢，小编参考网上的一个c++环境下的版本，要下载安装一下vs,但是笔者没有安装vs，感觉太麻烦了，笔者下载的dev-cpp。dev-cpp安装相比起来比较方便。之后就正常继续操作就行啦。

02

## 安装CUDA

       考虑到C盘容量足够，这里选择的是它的默认路径。之所以选择默认路径，是因为选择默认路径不容易出错。等待CUDA Setup到100%，检查系统的兼容性，同意许可协议。检查兼容性时可能会显示

       但是并无大碍，1050ti显卡基本是兼容的，笔者的电脑也显示这里了，可能是因为没有配置系统变量，所以不显示兼容吧。直接点继续。之后选择自定义安装

之后依照下图配置自己的环境变量，右键电脑，点击属性，会出现下图

选择高级系统设置,设置环境变量

      上图蓝色方框里的是根据自己下载的cudnn的地址文件来配置的，cudnn下载安装请看第三步。

配置完成之后，检查CUDA是否安装成功打开我的电脑，找到下图路径

直接在路径位置输入cmd

之后分别在命令窗口输入命令：

bandwidthTest.exe

deviceQuery.exe

       当两个都显示PASS说明成功。输入nvcc -V，显示如下图也是成功的，之后就可以安装cudnn了

03

## cudnn下载安装

       去https://developer.nvidia.com/cudnn上下载搭配CUDA8.0的cudnn ，一定要注意搭配8.0。会需要注册英伟达的账号。

输入自己的邮箱注册登录一下

       之后会出现这个窗口，因为没有显示我们需要的版本，需点击标红处。

      往下找到我们CUDA对应的版本，我们用的是CUDA8.0的版本，所以要下载下图的cudnn

       把下载的文件解压出来之后，会出现与CUDA8.0对应的文件

       分别将.h .lib 和.dll 文件分别拷贝到cuda的include, lib/x64, bin 文件夹下。其实也就是对应的文件夹。到这里就安装好了CUDA8.0及其对应的cudnn。之后这里配置一下之前上面的环境蓝色标记的地方。

04

## anaconda的环境配置

      anaconda的版本选择没影响，因为后面我们会自己创建一个新的环境。之后打开Anaconda Prompt

      检查目前有哪些版本的python可以安装：conda search --full-name python

       创建一个名为tensorflow-gpu的anaconda环境，配置python3.5,之所以选择3.5的，是因为看的一些博主也是用3.5的，其实也可以用3.6的，因为有对应的tensorflow的版本，小编也是之后才知道的，这里就不讨论修改了。conda create -n tensorflow_gpu pip python=3.5.3激活tensorflow-gpu环境：conda activate tensorflow_gpu之后就进入到我们创建的环境了

05

## tensorflow1.1.0配置

注意事项：

1.一定要在tensorflow_gpu的环境下；

2.不要使用conda命令安装tensorflow-gpu，因为这样会同时安装CUDA，我们需要指定版本CUDA和cudnn，前面才手动去配置，conda安装会让前面的工作白做，用pip install tensorflow-gpu==1.1.0查看可用的版本

      因为我们配的是python3.5，就选择tensorflow1.1.0版本的，其实python3.6也可以用1.1.0版本的

      之后笔者经过多次安装，终于使用conda install tensorflow-gpu==1.1.0成功安装，之后 不要激动!!!

      因为我也以为成功了，结果通过pycharm编辑器运行还是报错。打开pycharm,点击setting配准tensorflow-gpu环境

添加anaconda里的tensorflow-gpu环境

选择anaconda下envs下自己配置的tensorflow-gpu的环境。

之后python环境切换就OK了。

之后我输入代码运行检测一下

```python

import tensorflow as tf

def main():

    a = tf.constant([1.0, 2.0], name='a')

    b = tf.constant([2.0, 3.0], name='b')

    result = a + b

    sess = tf.Session()

    print(sess.run(result))

if __name__ == '__main__':

    main()

```

结果报错误：

TypeError: expected bytes, Descriptor found

笔者通过查找方法，网上说是从__module__ = 'google.protobuf.descriptor_pb2'可以看出，错误是protobuf的问题。

本环境是python3，所以怀疑是

1. protobuf版本过低,

2. protobuf支持py2,需要装py3。

所以：打开

进入到tensorflow_gpu环境下

输入：升级命令

pip install protobuf-py3

pip install --upgrade protobuf

大功告成，再到pycharm运行测试代码。

运行成功。

       最后，小编也不是专家哦，纯属自己琢磨的，不对的地方请业内大佬指出，欢迎在评论区留言探讨。

喜欢的话记得点赞➕关注

祝大家好运❤️

参考以下部分博客内容：

https://blog.csdn.net/ccbrid/article/details/103425627

https://blog.csdn.net/angzhangzhang123/article/details/79637346

https://blog.csdn.net/weixin_44341962/article/details/91347433

https://www.cnblogs.com/wanyu416/p/9536853.html

关注我们

                 文字|陈实宝

                 图片|陈静

                 排版|陈静

                 审核|伍孝东