Win10深度学习环境配置（CUDA+cuDNN+TensorFlow-gpu+Keras）

安装时间：2018-05-19

软硬件配置

GTX 1060 6G

Win10 64位专业版

Anaconda3 5.1.0

深度学习工具

CUDA 9.0

cuDNN v7.0

TensorFlow 1.8.0（GPU版）

Keras 2.1.6

一、安装VS2015

首先，下载“[Windows][编程开发][Visual Studio Community 2015][with Update 3][官方简体][光盘镜像]”。

选择自定义，点击下一步，记得在编程语言（Programming Languages）中只需安装C++组件，点击下一步，安装位置可以自选，其他全部按照默认。

二、安装CUDA

TensorFlow官网的 安装指导要求先安装CUDA 9.0和cuDNN v7.0。

于是下载CUDA 9.0，选择对应版本的exe(local)安装包。

可是我的CUDA安装一直失败。

经过多次试错，终于明白，是因为我已经安装了最新的显卡驱动，而CUDA9.0所依赖的显卡驱动比我的驱动版本低，导致不匹配，安装失败。

我的解决办法：

1. 卸载所有的NVIDIA驱动。在控制面板卸载所有的NVIDIA驱动（中间可能要多次重启电脑），然后在C盘删除所有带有NVIDIA字样的文件夹，最后在注册表删除NVIDIA项。
2. 安装CUDA 9.0，按照默认安装即可。

注意：默认安装已经将 CUDA的安装目录添加到系统变量Path，因此不用再手动添加。

三、安装对应版本cuDNN

TensorFlow官网的安装指导推荐的是cuDNN v7.0。首先去下载，这是 地址 ，按照页面要求填写信息并注册即可下载。解压后将三个文件夹复制到CUDA的安装目录（默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）覆盖原有同名文件夹。

四、测试是否安装正确

参考 这篇博主的文章 的三.2.(2)小节。

五、安装TensorFlow GPU版本

遵循 TensorFlow官网的 安装指导。直接采用pip安装，而没有在Anaconda里设置单独的环境。安装后验证成功。

pip3 install --upgrade tensorflow-gpu

六、安装Keras

遵循Keras中文文档的 安装指导。

pip install keras -U --pre

       至此配置完毕。

七、其他

在 运行jupyter notebook程序时出现了错误

could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

could not destroy cudnn handle: CUDNN_STATUS_BAD_PARAM

Check failed: stream->parent()->GetConvolveAlgorithms( conv_parameters.ShouldIncludeWinogradNonfusedAlgo(), &algorithms)

Stackoverflow上也有人遇到过 这个错误 。

解决方法：

通过限定GPU显存用量（不全部占满显存, 按需分配）得到解决。具体设置语句就是：

import osimport tensorflow as tf

import keras .backend.tensorflow _backend as KTF

#指定第一块GPU可用

os .environ [ "CUDA_VISIBLE_DEVICES" ] = "0" 

config = tf .ConfigProto ()

#不全部占满显存, 按需分配

config .gpu _options .allow _growth=True

sess = tf .Session (config=config)

KTF .set _session(sess)