tensorflow——记录装多版本GPU的过程

写在前面

我之前按照keras中文文档已经安装好了tenforflow-gpu 2.1 ，并且在这个基础上安装好了keras，但是在github找的许多代码都是基于tensorflow-gpu 1.×的keras框架，同时我又不想覆盖掉我的tensorflow-gpu 2.1,并且我之前安装的cuda版本为10.1。

1. 安装要求

tensorflow1.8-gpu
cuda9.0
cudnn7.0

2. 安装过程

打开你的Anaconda Prompt，开始操作起来吧

• 1.创建一个新的虚拟环境，保证包依赖的独立，互不影响

# 一定要注意python的版本，否则会报错
conda create -n env_tf1.8_gpu python=3.6

• 2.进入该虚拟环境

conda activate env_tf1.8_gpu

• 3.下载cuda，版本为9.0

conda install cudatoolkit=9.0

• 4.下载cudnn，版本为7.0
  下载cudnn稍微麻烦一点，如果使用conda的话不能直接下载，会出现找不到Package的错误，我们从官网上直接下载，如果没注册得注册一下
  官网下载cudnn
  下载完之后，里边有个cuda文件夹，把它解压出来，里边有三个文件夹分别是：bin，include，lib，剩下哪个txt文件不用管。
  
  
  接下来这步至关重要：
  将三个文件夹下得文件分别放入该虚拟环境同名文件夹下，举个例子，解压出来得bin文件夹，打开后有一个文件如下图所示
  
  然后进入到你的虚拟环境目录下，找到bin目录，将上面得文件放入这里，以此类推
  

• 5.下载tensorflow1.8-gpu

pip install tensorflow-gpu==1.8.0

-6.测试

1. conda activate env_tf1.8_gpu # 进入虚拟环境
2. python # 进入python得shell模式
3. import tensorflow as tf
4. tf.__version__() # 检查版本是否正确
5. tf.test.is_gpu_available() # 检查是否gpu已经启动，若返回True，则成功

• 7.安装成功
• 8.安装心得
  任何版本得gpu版本都能按照上述完成安装