Windows10下PyCharm+Tensorflow-GPU+CUDA+CuDNN环境搭配记录心得

本文配置的环境为：Python3.6+CUDA9.0+CuDNN7.0+Tensorflow1.9

初次配置时主要参考了W，Haixin的文章：

https://blog.csdn.net/weixin_39290638/article/details/80045236

非常详细，在此表示感谢！

 

0.前言

       Tensorflow环境下的深度学习框架也搭了几遍了，刚开始对很多东西不理解，感觉非常麻烦，现在想想其实也挺简单的，就是需要注意一些细节而已。

这里主要是顺着安装过程记录自己踩的各种坑以及心得，以后就不用一直白嫖别人的东西了，哈哈。

环境搭建时的电脑系统配置如下，其实主要就是看显卡啦，不过要想速度快质量高，内存也要跟上，16G+为上。

 

1. 准备工作

  开始配置tensorflow-gpu前安装以下几个软件：

1.1 PyCharm： 

  很好很强大的python开发工具，各类包的安装使用和版本管理都很方便；

  下载地址：http://www.jetbrains.com/pycharm/download/#section=windows

根据自己的系统选择合适的版本即可，我用的professional 2018.2.5，需要激活，参考下面文章

激活：https://blog.csdn.net/pdcfighting/article/details/82052055

1.2 Python：

这个其实现在可以不装，因为后面用AnaConda会自动带上Python（不过只能在AnaConda的环境中使用，所以现在也可以单独装一个较新版本的，方便单独使用）

下载地址：https://www.python.org/downloads/

这里强烈建议下载executable 版本也就是安装版，可以自动添加环境变量，而且后面如果要卸载干净python话也只能用exe程序

安装完成后命令行输入：python，出现如下界面表示安装成功：

1.3 AnaConda：

AnaConda是一个开源的Python发行版本，包含了conda、Python等180多个科学包及其依赖项，安装最新版本即可，会自动安装python和一些模块，最好用的地方是可以建立封闭的python环境，以此同时使用多个python版本。

BTW，TensorFlow可以直接在Anaconda Prompt的命令行中用指令：“conda install tensorflow-gpu”直接安装，并且该指令在安装TensorFlow时还会顺带把Cuda和CuDNN也给装了。考虑到conda 的软件包并没有官方支持，并且tensorflow和附带的Cuda和CuDNN版本都不一定符合要求，所以还是手动安装比较保险。

下载地址：https://www.anaconda.com/distribution/

安装时候要勾上第一项，不然需要手动配置系统环境。

1.4 CUDA：

是NVIDIA推出的运算平台，让Tensorflow在GPU上运行的软件，下载时需要根据自己的电脑显卡和要用的Tensorflow版本进行选择，我的显卡是Nvidia GTX1060，加上Tensorflow1.9所以选择了CUDA9.0，选择版本可以参考以下链接：

https://blog.csdn.net/oMoDao1/article/details/83241074

这里还有个方法可以查看版本，不过需要先下载tensorflow，但是比较精确：

https://blog.csdn.net/SIR_wkp/article/details/80525863

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

运行cuda_9.0.176_win10.exe。安装软件会先运行一个系统检查，如果报错了，就最先考虑下是不是自己的显卡不被该版本支持

在选项着一栏选择自定义，一般不安装GeForce Experience，CUDA是核心组件必须勾上，剩下两个选项的当前版本如果比新版本低的话也可以勾选上。

1.5 CuDNN：

CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，安装时需要根据CUDA版本来选择，在这里也可以查询下合适的版本，我用的是CuDNN7.0.

https://blog.csdn.net/oMoDao1/article/details/83241074

CuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download

下载需要Nvidia账号

下载完后解压压缩包cudnn-9.0-windows10-x64-v7.0.zip，得到三个文件夹

将这三个文件拷贝到CUDA9.0的安装路径根文件夹下，搞定

2. 开始配置Tensorflow—GPU版本

TensorFlow的版本信息可以在Github，tensorflow中文社区以及pypi上查看。

Github：https://github.com/tensorflow/tensorflow/releases

tensorflow社区：https://tensorflow.google.cn/versions/

pypi：https://pypi.org/project/tensorflow/#history

前面已经根据自己的硬件和需求选择了Tensorflow1.9版本进行开发，现在就可以正式开始配置了；

首先打开AnaConda的Anaconda Prompt控制台，进入Anaconda命令行管理界面。配置清华仓库镜（即下载源），输入指令：

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

创建封闭的tensorflow运行环境，输入指令：

conda create -n tensorflow-gpu python=3.6.7

这个指令就是在AnaConda安装目录中的envs目录下新建一个名字叫“tensorflow-gpu”，python版本为3.6.7的运行环境，此环境与系统中其它环境隔离，非常好用，在pycharm中可以直接引用，下文细说。

红框中的软件包也会随之安装，当然也都是隔离的，输入“y“和回车后开始安装。

完成后，激活并进入这个新建的环境，使后续指令在这个环境中生效，输入指令：

conda activate tensorflow-gpu

先升级pip到最新版，防止稍后安装出现错误，输入指令：

python -m pip install --upgrade pip

这里就不截图了，安装完成可以输入 pip --version 查看是不是最新版本。

最后，可以开始安装tensorflow1.9及相应依赖包，输入指令：

pip install --ignore-installed --upgrade tensorflow-gpu==1.9

就开始下载了，至此，tensorflow的安装完成。

这里如果下载太慢或失败的话，可以用下面的镜像重新下载，亲测很快：

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==1.9

再不行还有下面几个镜像可以替换：

http://mirrors.aliyun.com/pypi/simple/
http://pypi.douban.com/simple/
http://pypi.mirrors.ustc.edu.cn/simple/

安装完成后，测试是否成功

在AnaConda的tensorflow-gpu环境中，进入python，并输入以下代码：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
输出：
b’ Hello, TensorFlow!

3. 在PyCharm中使用Tensorflow

打开PyCharm新建一个Python工程，打开File->settings，选中Project Interpreter即项目解释器，后面所有需要的包都可以在这里添加和修改，当然也可以在上面说的控制台中改动，二者是同步的。

 这里我之前添加过环境，所以可以看到各种包，第一次进来应该是没有的。

点击右边的设置图标，点击add，进入下面界面：

选中Conda Environment，应该已经知道要怎么做了吧，Existing environment里面根据路径找到之前设置的tensorflow环境包中的Python.exe即可

 确定后就可以看到当前环境中有哪些包了，右上角的＋号也可以随时添加其他包，很方便

把刚才的测试代码复制过来，测试一下：

打完收工！