(机器学习)Windows系统下的Tensorflow-gpu配置

在Tensorflow也有一段时间了，今天在新配置的电脑上配置tensorflow-gpu，决定把过程通过csdn记录一下

软件下载

我所用到的软件如下图所示，都可以在官网下载到，这里就不在赘述。

需要注意的是：Tensorflow 和 cuda、cudnn有一个版本对应，下载时候需要区别:

软件安装

Anaconda

Python易用，但用好却不易，其中比较头疼的就是包管理和Python不同版本的问题，特别是当你使用Windows的时候。为了解决这些问题，Anaconda是一个很好的选择，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
安装过程也是很智能了，一路next，只要注意：勾选设置环境变量就行，省去一些麻烦

Cuda和Cudnn

Cudnn解压完有三个文件夹：

Cuda安装完在C盘的默认路径：

把Cudnn里面三个文件夹里面的文件，复制到cuda里面

Pycharm

python的IDE环境，想必大家都不陌生，

关于激活码，可以参考：https://blog.csdn.net/weixin_43641304/article/details/87071864

Tensorflow-gpu配置

1. 找到新安装的Anaconda中的Prompt，管理员身份打开：
   

2. 创建一个虚拟环境（在此环境内可以任意配置而不会影响系统的环境）

   conda create -n 环境名 -c 镜像源（python版本）

   我使用：conda create -n tensorflow-gpu python=3.6

用户安装的不同python环境都会被放在目录~/anaconda/envs下，可以在命令中运行conda info -e查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。

删除虚拟环境:

使用命令conda remove -n 虚拟环境名称 --all， 即可删除。

删除环境中的某个包：

使用命令conda remove --name $虚拟环境名称 $package_name 即可

3. 激活或关闭环境

   安装完后激活环境：

   activate tensorflow-gpu

   关闭环境：

   deactivate

4. 安装tensorflow-gpu package

   注：安装前最好更新下pip，避免一些下载过程中的错误：
   python -m pip install --upgrade pip

   通过几次 pip 的使用，对于默认的 pip 源的速度太慢，可以使用一些国内的pip源，如下：

   阿里云 http://mirrors.aliyun.com/pypi/simple/

   中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

   豆瓣(douban) http://pypi.douban.com/simple/

   清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

   中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

   pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 使用清华大学镜像源来下载tensorflow1.8
   

5. pycharm上测试tensorflow

   先把虚拟环境下的python.exe配置到pycharm的Project Interpreter
   建一个py文件，测试一下：

import tensorflow as tf

with tf.device('/cpu:0'):

    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b
print(c)
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

结果:

OK，tensorflow-gpu就配置好了

Conda修改镜像源

Linux和Windows对于conda修改镜像源的方法一样：

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

1