笔记前言
First，响应项目需要，开始着手搭建tensorflow开发环境。Hmmm，作为一个对搭建环境几乎是零基础的人，在几天的学习里，在WW和他朋友的帮助下，相对比较顺利（就是网速比较慢 ）地搭完了环境~（ 撒花嘿嘿嘿 q(≧▽≦q) ）
Then，为了方便以后自己查阅相关笔记，所以对期间的学习过程和遇到的问题做了一份（也是第一份 ）在我看来较为详细的学习笔记，当然如果这份小笔记能帮助到别人那就更好啦 ~
PS：
- 博文多数引言，均摘录于WW的（
我觉得比较通俗易懂的）指点迷津； - 初学者笔记略显拙劣，不到之处请各路神仙多多包涵和指教 ~ ~
关于搭建
1. 本次搭建的环境没有安装Anaconda（一不必要，二我不太会，三我懒）
以下摘录自WW原话。
原本，我们的python是具有一个系统自带的python2代版本。而我们使用的pip命令，优先是使用系统自带的二代的pip命令。想要使用三代的pip，还有64位和32位不同管理等的问题，特别麻烦。
相对于此， Anaconda提供了python各种版本环境分别管理（以及一键安装某版本），检测系统中存在的python，划分出不同的虚拟环境，并且，将各源的包整合了，也就是说，在Anaconda中，存在了pip2、pip3（64）、pip3（32）里所有的包，所以，只需要在命令行输入 conda install 就可以代替 pip install 。
所以说Anaconda自己就是一个大环境，用Anaconda会很方便地搭其它环境。
“但是不建议新手在大环境下搭建小环境。”（嗯，比如我）
Thus，按我现在的理解，Anaconda就是一个整合了各种版本的python的虚拟环境搭建平台工具，类似于【VM虚拟机】这样的软件类工具。
2. 没有安装Anaconda，那我是怎么搭出来的？
很简单，我就是用了下载的py3，而合理地使用了py3下的pip命令，从而避开了使用py2下的pip命令。
3.关于TensorFlow的两种版本的简单记录
TensorFlow分为CPU和GPU两种版本，其本质是一个可被程序引入的库文件，类似于C语言的 stdio.h 、 stdlib.h 之类的。TensorFlow内部定义了一些函数 constant、add等 ，都具有固定的使用格式，用多了自然就熟悉了，像C语言里面的函数一样，引入相关的头文件后，直接使用即可。
CPU版本和GPU版本的TensorFlow的包，包里的同名函数，格式和功能都是一样的。
区别在于，GPU版本的函数，会将函数中计算复杂的部分，丢到显卡中去计算。这样会很大程度上加快计算。
提问：“那到底怎么加快运算呢？”（所以我咨询了老师和参考了一些博文）
举个栗子：
“我自己的电脑上测试过，CPU版计算同一个问题，大概需要花费GPU版16倍的时间。”
那假设，如果本身使用GPU版都需要一天一夜那种计算量的话，那就可以想想CPU版得花多长时间哇？？？（不敢想不敢想）
4. 对于TensorFlow(GPU)的一些学习笔记
GPU版本的安装则需要先安装一些前置的框架，NVDIA品牌的显卡对应的框架，名为CUDA(统一计算设备架构)。
“TensorFlow（GPU）+ CUDA ，可以满足大部分项目的需求了。”
CUDA:
允许CPU将复杂的计算，丢到GPU上，并在计算结束后从GPU上读取计算结果。TensorFlow（GPU）包里的函数，一般都支持CUDA。但是，不同版本的TensorFlow可能会和不同版本的CUDA存在兼容性问题，所以在安装之前要查清楚，下载的这两个版本是否兼容。
CUDNN:
CUDNN是CUDA的深层神经网络加速库。这个库不是给你的程序引用的，是由CUDA来引用。所以安装好CUDNN，然后重新配置一下CUDA的环境，就可以对CUDA进行加速了。可以理解为，CUDNN是CUDA的一个补丁。打了这个补丁的CUDA，被TensorFlow引用时可以更有效率地完成计算。而CUDNN对计算的提速将近一倍。
总结上述关系：
——> 程序需要引用TensorFlow（GPU）
——> TensorFlow需要CUDA框架作为环境
——> CUDA可以引用CUDNN进行提速
搭建流程
- 确认显卡驱动版本，根据版本，下载兼容的CUDA版本
- 根据需要，将CUDA的某些路径写入到系统环境变量
（一般网上都有教程，按照教程来即可） - 安装cuDNN，并配置给CUDA
（补丁通用的方式是扩充和引用，具体哪种按照你自身的教程来） - 安装tensorflow-gpu
- 运行一段包含TensorFlow包的示例代码，确认能够运行
（大部分教程均有教如何测试TensorFlow安装结果的，按照教程测试即可）
关于搭建的那些事儿
一、我的环境
操作系统：win10
GPU：MX150+CUDA10.0+cuDNN
IDE：Pycharm（一种Python IDE）
框架：tensorflow-gpu
解释器：Python3.6
二、安装顺序
1、查看版本
控制面板 -> 硬件和声音 -> NVDIA控制面板 -> 帮助 -> 系统信息
详情可见： https://blog.csdn.net/weixin_43522055/article/details/99595641
2、下载相应适合的CUDA版本：CUDA10.0
官网下载：https://developer.nvidia.com/cuda-10.0-download-archive
First，在下载的页面，我是这样选择的：
这是源于一位大佬实践过的推荐，据经验介绍：
“刚开始第四行选择的是右边的那个 【即选择了：exe(local)】，但是下载下来安装不了 【具体原因未知】，百度查到是电脑缺少什么压缩软件，所以建议选左边的那个。”
“所以我就选了左边那个啦！”【我是不是很乖 ( 假的 ) 】
Then，只需要选择下图的base installer即可。
Okay，我们打开下载好的CUDA10.0开始安装，刚开始的安装程序存放位置，自己随意就好，以下展示的是默认路径。
【别问，问就是我比较懒 而且我觉得叭，如果C盘能接受一个多G，不如直接安装在默认路径，防止老出问题之类的 不然又要折腾了hhh，反正你开心就好 】
All right，下一步会检测系统兼容性，貌似有些显卡是不支持GPU的，所以需要事先查清楚。
Next，接受协议后等待安装即可。【大功告成？？？远着呢 】
PS：
安装模式方面，我选择的是精简安装。而，程序默认的精简模式可以理解为安装所有东西。【比如包括VS以及显卡驱动】建议根据需要，选择合适的安装模式。
安装完成之后，下一步需要 配置环境变量。(这个很重要)
参考了比较多的博文后，以下给出如何配置环境变量：
不急，首先，我们先查看系统变量：
【电脑属性 -> 高级系统设置 -> 高级 -> 环境变量 -> 系统变量】
如果安装成功呢，系统变量会多出两个为：
然后，还需要添加几个系统变量：
【以下均为默认路径，如果自己路径设置安装成功的话，就用自己的路径啦】
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
添加好之后应该像下面这样：
下一步呢，我们在系统变量PATH里添加东西：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
【注意以下均为默认路径，有需要的话自行修改噢】
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64
添加好之后应该像下面这样：
添加完之后呢，CUDA就算是安装完成啦(≧∇≦)ﾉ。
接下来，我们可以检验是否安装成功。
打开默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
Then，分别执行命令：bandwidthTest.exe、deviceQuery.exe
如果分别返回以下结果：
则代表CUDA10.0安装成功。【激动！ 】
3、cuDNN的选择和安装
在官网上下载搭配CUDA10.0的cuDNN，但是注意下载时候需要注册英伟达的账号才能下载，注册什么的比较简单啦，略。
【我看见有博文写到，下载时候出现网页速度较慢的情况，建议从CSDN上找资源来下载 但是我下的时候比较快，所以这个自行决定就好~ 】
官网上cuDNN的各种版本：https://developer.nvidia.com/rdp/cudnn-archive
下载好之后，解压，分别将 【.h、.lib、.dll 】文件分别拷贝到CUDA对应的【include, lib/x64，bin 】文件夹下即可。
4、安装TensorFlow（GPU）
这个其实就比较简单，TensorFlow（GPU）的安装其实只需要打开cmd，输入pip install tensorflow-gpu，即可。
【根据提示可能需要你升级一下pip，仔细阅读报错提示，自行解决问题即可。】
如下图，大概就是长这个样子：
可能有点小久，网速一定要给力，安装好之后，怕不是会泪流满面。不，我没有
5、测试TensorFlow是否安装成功
既然都装完啦，肯定要测试一下嘛，对吧~ ~ ~
然后，其实很多博文其实都会有给出测试栗子啦，这里我给出一个很普遍的栗子 ~
我的测试用例：https://blog.csdn.net/weixin_43522055/article/details/99617967
★关于安装CUDA时图片版本为10.1的解释★
安装的时候我尝试了两个版本，第一次下的是10.1，但是由于缺乏了某个文件，所以重下了一次。然而第二次下的是10.0版，由于重下的时候我忘了截图我健忘
，所以我沿用了10.1版的图。但是其实内容几乎是一样的，只需要把10.1的部分换成10.0即可，其他都不变，感谢体谅~
首次配置TensorFlow（GPU），希望能够帮到有需要的你 ~
小白一枚，文字略显拙劣，有错误欢迎提出~
1186
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
