完美安装，windows系统及云服务器安装GPU版Tensorflow

一 硬件检查

1 显卡条件

1. 不管是笔记本还是台式机，或者云服务都必须有独立显卡，而且最好是N卡，及NVIDIA版本的；
2. 显卡计算力：不同显卡的计算力是不一样的，而tensorflow在1.10.0之前最低计算力在3.0；而TensorFlow 1.11.0版本后，TensorFlow 提高了对显卡的要求，由原来的3.0提高到了3.7。
3. 根据自己显卡型号，检查GPU的计算力大小，参考网站NVIDA CUDA显卡计算能力对应表

2 显卡驱动

1. 很多不经常用到显卡性能的，可能电脑上根本就没装显卡驱动，所以一定要先把显卡驱动装上，不然后面会报这种错误：“no CUDA-capable device is detected”
2. 在NVIDIA官网上下载适合自己gpu型号的驱动：NVIDIA 驱动程序下载，如下图进行选择
   

二 cuda和cudnn安装

1 cuda安装

1. 默认大家安装了anaconda版的python包，这个很好安装。根据之前安装的NVIDIA驱动版本选择合适的cuda版本，见下图：
   
   提醒一下，不用选太高的cuda版本，太高反而会兼容性不好，我选的就是cuda9.0版的。另外cuda版本也影响到tensorflow版本的选择，这个后面安装tensorflow时细说
2. cuda历史版本下载地址（https://developer.nvidia.com/cuda-toolkit-archive ）
3. 安装包下载后，一路默认安装就好。检查是否安装成功，在命令行输入：nvcc -V，出现下图说明安装成功！
   

2 cudnn安装

1. cudnn下载地址（https://developer.nvidia.com/rdp/cudnn-archive ）
   
2. 下载cudnn包需要登录帐号，如果没有注册一个就好了，很容易。根据cuda版本选择对应的cudnn版本，另外不同系统，选择的子型号也不同。万一你用的是云服务器，没有找到对应的版本，没关系，比如我之前也是用的云服务器，系统是Windows-server 2012 X64，我选得就是Windows7版本的。
3. 下载的不是安装包，而是压缩文件，解压后将对应的文件拷贝到cuda安装路径对应的目录中，如果安装cuda时没有修改安装路径，执行以下操作：

• 复制 cudnn\bin\cudnn64_5.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\
• 复制 cudnn\include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\
• 复制 cudnn\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\

三 tensorflow安装

1 版本选择

如下图，不同cuda版本对应不同的tensorflow版本：因为我安装的是cuda9.0，所以我选择了1.12.0版本。

2 tensorflow代码安装

在cmd下输入如下代码：(因为原地址下载太慢了，所以使用清华的源下载)

pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3 代码测试

import  tensorflow as tf 
a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
c = a +b
sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
print(sess.run(c))

输出结果如下：

4 查看gpu使用情况

将路径下：C:\Program Files\NVIDIA Corporation\NVSMI，中的nvidia-smi.exe文件拖到cmd窗口回车，如下图：