Win10下的Tensorflow-gpu安装过程总结

WIN10 + python3.5 + Aaaconda3-5.1.0 + CUDA10.0 + cuDNN7.6.5.32 + tensorflow-gpu-1.13.1
GPU计算能力对应表：
https://blog.csdn.net/real_myth/article/details/44308169

1、查找python与tensorflow版本对应

版本对应关系：
https://blog.csdn.net/Sunny_Future/article/details/89925101

注意：安装时首先需要注意安装版本，表格中的tensorflow-gpu版本目前不一定支持，要输入conda search --full-name tensorflow-gpu查看tensorflow-gpu目前存在的版本，然后找出对应的Python、CUDA以及cudnn版本进行安装！！！

2、安装python3.5

下载后直接安装（及解压缩），并在系统环境变量中添加安装路径。





新建，添加路径“D:\opencv\build\x64\vc14\bin”

检查环境中的python版本python --version

3、Anaconda安装

下载相应版本，安装过程中基本全是下一步, 遇见添加环境变量的请打钩。不然之后更新库不会很方便！！！

4、CUDA与cudnn安装

注意：CUDA在下载时，注意选择exe(local)版本的，同时底下Base与Patch两种都要下载安装，两个版本均默认安装。
下载地址：https://developer.nvidia.com/cuda-80-ga2-download-archive

解压cudnn5.1，将其中的三个文件夹拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0中，与源文件夹合并。（CUDA默认安装路径）
测试：在cmd中输入nvcc -V检查环境变量是否配置正确。

5、tensorflow安装

注意：安装tensorflow-gpu时使用：conda install而不是pip install，否则可能会导致tensorflow-gpu安装到其他python环境中
必须指定版本，否则会与已安装的cuda版本不匹配！
Step1：配置清华仓库镜，输入指令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
Step2：创建运行环境，输入指令：
conda create -n tensorflow-gpu python=3.5
Step3：安装tensorflow1.13.1及相应依赖包，输入指令：
pip install --ignore-installed --upgrade tensorflow-gpu==1.13.1
新建一个名字叫“tensorflow-gpu”，python版本为3.5的运行环境，此环境与Anaconda中其它环境隔离。红框中的软件包也会随之安装，输入“y“和回车后开始安装。

Step3：激活并进入环境，使后续指令在激活的环境中生效，输入指令：
activate tensorflow-gpu
Step4：检查是否安装好tensorflow-gpu
（1）输入conda list，检查环境中的已安装列表，列表中显示有tensorflow-gpu 1.1.0，则表示已安装；
（2）在命令行中，进入python，输入以下代码：
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))

再测试是否可用gpu加速运算：
在创建的tensorflow-gpu环境中输入spyder，若显示找不到指定模块，则输入conda spyder安装。然后输入spyder打开界面，输入：
import os
from tensorflow.python.client import device_lib
os.environ[“TF_CPP_MIN_LOG_LEVEL”] = “99”
if name == “main”:
print(device_lib.list_local_devices())

可以看到有两个可用设备，分别是cpu:0和gpu:0，表明安装成功，gpu可用。
程序运行时不需要指定gpu运算，因为有些计算不可用gpu加速，安装成功后程序会自动采用gpu加速运算。

报错问题解决

报错1：进行tensorflow-gpu安装时发现打开conda navigator发生闪退
发现问题在于无法连接到步骤4中修改的镜像地址，查阅发现清华镜像已停止服务，因此需要删除修改的镜像地址改回源址，以管理员身份运行cmd，输入：
Conda config –remove-key channels
之后重新安装conda-navigator输入：
Conda install anaconda-navigator
然后打开anaconda-navigator，输入：
anaconda-navigator
问题解决！

一定要对应版本，不加版本号的话会自动安装最新版本，与上面安装的python3.5、CUDA以及cudnn不适配！！！
注意：如果是在创建的新环境中安装了tensorflow，则在使用tensorflow-gpu时，不能再终端直接输入python，此时输入import tensorflow as tf会报错，因为步骤中新建了一个tensorflow-gpu环境，与原来的base环境都是python环境，因此需要再Anaconda Prompt中输入activate tensorflow-gpu激活环境，然后再输入之前的代码。

报错2：输入pip install tensorflow-gpu==1.13.1报错

这是因为最后一步让更新pip版本，更新之后由于之前已经建立了tensorflow-gpu的文件夹，因此需要去安装位置上删掉之前的。
报错3：安装好后import测试，报错

这是由于cudnn的版本与安装的tensorflow-gpu不匹配，因此回到tensorflow-gpu的激活环境，重新安装1.1.0版本：pip install tensorflow-gpu==1.1.0

报错4：发现终端激活环境后使用是不报错的，但是直接打开spyder缺提示“No model named tensorlfow”
原因是必须在安装了tensorflow的环境中使用spyder才可以，发现安装了tensorlfow的环境是第四步中我们创建的tensorfow-gpu，但其中并没有安装spyder，因此激活该环境，在其中安装spyder：pip install spyder

其他问题：测试电脑安装的tensorflow到底是gpu还是cpu版本
在python环境下输入：
import os
from tensorflow.python.client import device_lib
os.environ[“TF_CPP_MIN_LOG_LEVEL”] = “99”

if name == “main”:
print(device_lib.list_local_devices())

最后检查自己创建的tensorflow-gpu环境中的安装内容：conda list
检查是否安装了spyder、jupyter等，没有则安装：
conda install spyder
conda install jupyter
安装好后再开始的Anaconda文件夹里可以看到每个应用有两种类型，其中一种是属于tensorflow-gpu环境下的。

参考网址：
[1]https://blog.csdn.net/gangeqian2/article/details/79358543
[2]https://blog.csdn.net/a1040193597/article/details/79774182
[3]https://blog.csdn.net/Sunny_Future/article/details/89925101