Win10系统安装tensorflow-gpu（按照步骤一次成功）

目录

【前言】

【安装过程】

1 查看是否支持GPU 

 2 安装CUDA9.0

3  安装cuDNN

4 安装tensorflow-gpu

5 将tensorflow-gpu环境导入到Pycharm中

6 测试程序

【补充】

---

【前言】

1.tensorflow-gpu版本的安装相对来说复杂一些，因为需要考虑版本匹配的一些问题，很容易出问题，不过和前面安装cpu版本的过程基本一致， 我用了几个小时的时间最终安装成功，下面和大家分享一下我的安装过程。

2.安装环境

操作系统：64位win10

GPU：GTX1050+CUDA9.0+cuDNN7.6.5

IDE:Anaconda、Pycharm

框架和解释器：tensorflow-1.5.0-cp36-cp36m-win_amd64 + python3.6

---

【安装过程】

1 查看是否支持GPU 

1.1 依次打开“控制面板-硬件和声音-NVIDIA控制面板”，然后点左下角的“系统信息”，查看GPU型号，如下图：

AMD的显卡是不支持的，检查显卡的计算能力请访问英伟达官网 。

1.2 参考TensorFlow官网对安装GPU版本的需求说明，需要CUDA、cuDNN和英伟达GPU计算能力大于3的显卡。

还可以查看GPU和软件的版本对应关系，好多人在这里踩了一个大坑，如图：

 2 安装CUDA9.0

CUDA是基于C语言的可以让代码直接在GPU中运行的控制语言，所以第一步需要安装CUDA9.0，内含NVIDIA驱动程序（自定义安装时可以选择是否安装驱动）。

好多人在这里纠结该安装哪个版本，其实不用太纠结，根据上面的匹配表选择你想安装的版本即可。我的显卡驱动是9.2的，但是为了匹配tensorflow版本，安装了个CUDA9.0的，二者不冲突，而且安装后能够在控制面板里看到。 

2.1 CUDA官方说明（感兴趣可看一下）

下载地址：点击这里（win10 local安装）

 

 选择合适的版本下载，右面的是下载下来进行安装，选这个即可，把下面的几个需要下载的文件都下载下来，是exe可执行文件，如果发现不是可执行文件，注意核查下载好的文件名，修改成“.exe ”。

2.2 安装CUDA

几个文件下载好之后挨个点击进行安装即可，会先检查系统兼容性，然后选择安装方式。程序默认的精简模式应该可以理解为安装所有东西，其中包括了我暂时不用的VS编译器和显卡驱动，所以我选择的是自定义模式。

 接下来是选择安装路径。在其他博文中看到有的人更改安装路径会出现一些问题，不能安装完全，我没试，直接按照默认路径进行安装的，这样也便于下面配置环境变量，一路Next 直到完成即可。

其他的几个patch直接运行安装即可。

2.3 配置环境变量

安装成功后在系统的环境变量中会自动添加两个变量，如图：

但是这还不够，我们还需要再添加几个系统变量（根据实际安装版本和路径添加，一样版本和默认路径的可直接复制粘贴）：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0

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

添加完之后的样子，如图：

下一步在系统变量Path里添加变量，双击Path添加如下变量（同样根据实际路径填）：

%CUDA_LIB_PATH%

%CUDA_BIN_PATH%

%CUDA_SDK_LIB_PATH%

%CUDA_SDK_BIN_PATH%

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin 

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64

2.4 检验是否安装成功

打开cmd命令窗口，切换路径（注意根据实际路径）

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite

分别运行以下命令

bandwidthTest.exe
deviceQuery.exe

若分别返回成功，则安装成功，如图：

3  安装cuDNN

cuDNN是CUDA的库，易于写代码。下载需要先注册为英伟达账号，直接用社交网络账号登陆就行，然后按提示进行即可。

3.1 下载地址：点击这里

注意和前面的表格里的版本要求相匹配，这里我下载的是7.6.4，如图

3.2 解压下载好的文件

解压后进入文件夹，按照下面的要求将文件放到相应的位置：

将.h .lib 和.dll 文件分别拷贝到cuda对应路径下的include, lib/x64, bin 文件夹下，对应关系如下图，下面是解压的文件夹：

到这里就安装好了CUDA9.0及其对应的cudnn文件，艰难的路程已经基本走完。

4 安装tensorflow-gpu

之前使用Anoconda安装了cpu版本的tensorflow，这里还借助Anaconda进行安装，会大大简化安装工作，条理清楚。Anaconda的安装很简单，可以参考这篇博文：点击这里。

4.1 创建环境

打开Anaconda Prompt

在命令窗口输入命令创建环境

conda create -n tf-gpu python=3.6

其他三个常用命令

#删除环境：
conda env remove -n tensorflow
#激活环境：
activate tensorflow
#取消激活：
deactivate

4.2 下载安装tensorflow-gpu

激活tf-gpu环境，进行安装

activate tf-gpu

（1）方法一：在线安装，使用pip下载

 运行下面的命令下载并安装

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

（2）方法二：离线安装（可以选择自己想要的版本，并且使用下载工具下载会更快）

 tensorflow-gpu下载地址：点击这里

下载的版本要和之前的表格对应适配，我下载的版本：tensorflow-1.5.0-cp36-cp36m-win_amd64.whl

下载好之后，在当前环境下切换到下载目录，使用以下命令进行安装

pip install tensorflow安装包名称

提示：如果还是提示需要更新pip的话按照提示进行更新再重新安装即可，更新：

python -m pip install --upgrade pip

至此，tensorflow已经安装完，可以使用python查看一下：

在当前环境下运行python：

python

然后打印tensorflow的版本

import tensorflow as tf
tf.__version__

然后会打印出如下结果

---

5 将tensorflow-gpu环境导入到Pycharm中

依次点击File-settings

然后按照下图，打开Show All

按照下图顺序，将anaconda中envs里tf-gpu环境下的python添加 进去即可，可以使用Pycharm体验GPU的运算速度了。

6 测试程序

这里我运行了一个风格迁移的程序，使用CPU版本的tensorflow用时为二十多分钟，使用GPU版本跑同样的程序，只用了5分钟，速度确实喜人！

一开始运行过程中还出现了一些错误，无非是缺少了一些库啥的，按照提示安装上就可以了，其中有俩错误记录一下：

（1）AttributeError: module 'scipy.misc' has no attribute 'imread'报错问题

网上的解决办法都说没有安装PIL第三方库，库名现在为Pillow，推荐直接使用命令pip install Pillow进行安装。实际上我已经安装了，但还是继续报错AttributeError: module 'scipy.misc' has no attribute 'imread'。

最后发现是scipy的版本问题， 降级到scipy==1.2.1就可以完美解决了。

pip install scipy==1.2.1

（2）运行时出现 shed with exit code -1073740791 (0xC0000409) ，如图

有其他博主说的减小batchsize，但该方法未能解决；查到是显卡内存不足的问题，在程序中添加如下代码即可解决：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

如图

---

【补充】

这里可以查看CDA 版本和驱动的匹配关系：点击这里