【深度学习】Windows 10+CUDA v10.0.130 + cuDNN 7.6.5深度学习环境部署

环境搭建
tensorflow、Python、cuda、cudnn必须严格匹配
操作系统 ：Windows 10+CUDA v10.0.130 + cuDNN 7.6.5

独显：NVIDIA 版本 465.89

安装配置 CUDA并检查安装成功
安装cudnn-7.6.5
去官网下载对应版本，下载下来的CUDNN是一个压缩包，解压以后，把bin文件目录添加到环境里面去。

安装keras,未安装执行pip install keras，在线下载安装包,已安装则python环境下执行
import keras , 再执行keras,print(keras.__version__)查看版本信息。
开发平台：Anaconda 4.9.2+python 3.7.3+tensorflow-gpu-1.15.0 + keras 2.2.5
jupyter上测试tensorflow和keras是否可用

import tensorflow as tf

gpu_ok = tf.test.is_gpu_available()
print("tf version:", tf.__version__)
print("use GPU", gpu_ok)

输出：tf version: 1.15.0
use GPU True

import keras
print(keras.__version__)

输出：2.2.5

独显：NVIDIA 版本 465.89

安装配置 CUDA并检查安装成功
安装cudnn-7.6.5
去官网下载对应版本，下载下来的CUDNN是一个压缩包，解压以后，把bin文件目录添加到环境里面去。

安装keras,未安装执行pip install keras，在线下载安装包,已安装则python环境下执行
import keras , 再执行keras,print(keras.__version__)查看版本信息。

在Mask_RCNN文件夹目录下安装所需的 python 包pip install -r requirements.txt

执行python setup.py install

下载Visual studio2017,有Visual C++编译环境，开始安装 pycocotools工具pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

安装完成