python3.7搭配tensorflow-gpu和tensorflow-gpu的安装过程

目 录
第一章版本对应 1
1.Tesla产品和CUDA对应关系 1
2. TessorFlow安装： 1
2.1 linux系统: 1
2.2 windows系统: 2
3. pytorch安装 2
3.1 linux系统： 2
3.2 WINDOWS系统 3
第二章tessorflow安装回忆 3

1. Anaconda3安装 3
2. CUDA安装 3
3. cuDNN安装 4
4. 用Anaconda创建环境 4
5. 在该环境中安装tensorflow-gpu-对应版本 4

第一章 版本对应
1.Tesla产品和CUDA对应关系
产品系列 产品 CUDA工具包
HGX-Series HGX-2 10.1-10.2
T-Series Tesla T4 10.0-10.2
V-Series Tesla V100 9.0-10.2
P-Series Tesla P100 8.0-10.2
K-Series Tesla K80 6.5-10.2
C-Class Tesla C2075 4.1-10.0
M-Class M60 7.5-10.2
S-Class S2050 3.2-6.0
X-Class Tesla X2070 6.5-10.0

2. TessorFlow安装：
   2.1 linux系统:
   版本 python版本 编译器 构建工具 cuDNN CUDA
   tensorflow_gpu
   -1.13.1 3.7 GCC4.8 Bazel 0.19.2 7.4 10.0
   tensorflow_gpu
   -1.14.0 3.7 GCC4.8 Bazel 0.24.1 7.4 10.0
   tensorflow-2.0.0 3.7 GCC 7.3.1 Bazel 0.26.1 7.4 10.0
   tensorflow-2.1.0 3.7 GCC 7.3.1 Bazel 0.27.1 7.6 10.1

2.2 windows系统:
版本 python版本 编译器 构建工具 cuDNN CUDA
tensorflow_gpu
-1.13.1 3.7 MSVC2015 update 3 Bazel 0.19.0-0.21.0 7.4 10.0
tensorflow_gpu
-1.14.0 3.7 MSVC 2017 Bazel 0.24.1-0.25.2 7.4 10.0
tensorflow-2.0.0 3.7 MSVC 2017 Bazel 0.26.1 7.4 10.0

3. pytorch安装
   3.1 linux系统：
   版本 python版本 CUDA
   torch-0.4.1 3.7 8.0
   torch-0.4.1 3.7 9.2
   Stable（1.4） 3.7 9.2
   Stable（1.4） 3.7 10.1
   Conda安装稳定版(1.4)指令：conda install pytorch torchvision cudatoolkit=9.2/10.1 -c pytorch
   Pip 安装稳定版(1.4)指令:pip install torch torchvision
   3.2 WINDOWS系统
   版本 python版本 CUDA
   torch-1.0.0 3.7 8.0
   torch-1.0.0 3.7 9.0
   torch-1.0.0 3.7 10.0
   torch-0.4.1 3.7 8.0
   torch-0.4.1 3.7 9.0
   torch-0.4.1 3.7 9.2

Conda安装稳定版(1.4)指令:conda install pytorch torchvision cudatoolkit=9.2/10.1 -c pytorch
Pip 安装稳定版(1.4)指令:pip install torch=1.4.0 torchvision=0.5.0 -f https://download.pytorch.org/whl/torch_stable.html

第二章tessorflow安装回忆
1.Anaconda3安装
1.1下载Anaconda，网址：https://www.anaconda.com/download/
1.2注意安装时将两个选项都选上，将安装路径写入环境变量。
1.3在dos窗口下输入：conda list 就可以查询现在安装了哪些库，常用的numpy, scipy等安装上。
2.CUDA安装
2.1下载CUDA，网址：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal3.2
2.2临时解压路径和安装目录建议默认即可，但是临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录。
2.3配置cuda的环境变量：安装完成以后系统会自动生成CUDA_PATH
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
然后，在系统变量 PATH 的末尾添加： ;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
2.4测试是否安装成功：cmd输入nvcc-V，查看自己的cuda版本
3.cuDNN安装
3.1下载cuDNN,https://developer.nvidia.com/rdp/cudnn-archive
3.2把cudnn下的bin,include,lib三个文件夹的内容复制到cuda安装的目录下的对应文件夹下。
3.3测试：再cmd中cd到安装目录下的 …\extras\demo_suite,然后执行deviceQuery.exe,若出现Result=Pass则安装配置成功。
4.用Anaconda创建环境
创建了一个名为liang_shuang 的环境，指定python版本
conda create -n liang_shuang python3.7
5.在该环境中安装tensorflow-gpu-对应版本
conda install liang_shuang tensorflow-gpu1.4.1