win10配置深度学习环境CUDA9.0+cuDNN7.0.5+tensorflow+keras

注：本文默认你已经安装好python，本文配置深度学习前的环境如下：

• python3.6
• win10 64位
• GeForce GTX980Ti

1、安装CUDA

深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。

1.1 检查GPU是否支持CUDA

先确定下自己的显卡型号（不要告诉我你不知道怎么查看自己的显卡型号）。安装CUDA前先检查下，自己的显卡是否支持CUDA，可以从下面的网址查看自己的显卡是否在支持之列。
如果你的显卡比较新，到这里检查是否支持CUDA：https://developer.nvidia.com/cuda-gpus

如果你的显卡很老，请到如下链接检查是否支持CUDA：https://developer.nvidia.com/cuda-legacy-gpus

注意笔记本和desktop的区别。

刚开始我以为我机器的显卡不支持安装CUDA，检查后发现可以支持，计算性能5.2，感觉应该还可以，但肯定比不了GTX1080Ti的显卡，查了一下最新的显卡排行，如下图所示：

发现本机显卡只比GTX1070的显卡稍逊一点，居然还是高端显卡，训练个模型肯定不成问题了，就是时间稍慢一些。

1.2 下载CUDA

从CUDA官网选择对应系统下载并安装文件，地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows

注意Installer Type选择exe(local)本地安装，exe(network)联网安装可能会发生各种问题，下载步骤如下图：

下载好后一路默认安装就好了。此处我安装的是CUDA9.2版本。

PS. 安装CUDA时想都没想就安装了最新版CUDA9.2，到最后才发现TensorFlow框架不支持9.2版本，目前支持最高版本为CUDA9.0，新手安装的时候直接安装9.0版本即可，下文会写我怎么解决的问题。

2、测试CUDA安装结果

打开命令提示符，输入：nvcc -V，可看到如下信息，代表安装成功。

3、下载cuDNN

安装好CUDA后其实已经可以使用GPU提速了，但cuDNN可以在前面GPU加速基础上大概再提升1.5倍的速度，它同样也是由NVIDIA开发。

cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download

在下载cuDNN时，看其他博文说下载该文件需要在NVIDIA官网注册，我这里试了很久，都没有注册成功，不知道是因为官网出现了什么问题，还是国内的原因，我感觉是后者，总之没注册成功。

但遇到问题总需要解决，这里给没注册成功的朋友分享一个下载cuDNN的方法：

（1）打开cuDNN各个版本的下载网址：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b

（2）然后选择你需要的版本，比方说选择cuDNN v7.0.5 Library for Windows 10，这里千万不要点击链接，否则会进入注册界面，而是右键选择“复制链接地址”

（3）打开迅雷等下载软件，添加任务将复制的链接地址输入进去，然后下载，下载速度还是比较快的

（4）下载后是一个压缩包，如果发现后缀名不是压缩包的格式，手动改一下

本文下载的是CUDA9.0对应的cuDNN7.0.5版本

4、配置cuDNN

下载好cuDNN后，解压cudnn-9.0-windows10-x64-v7.zip，把解压包中bin,include,lib里面的文件(共三个)分别拷贝到CUDA安装路径下的bin,include,lib目录下，即C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib目录下即可。

5、安装深度学习框架

pip安装TensorFlow命令：pip install tensorflow-gpu

pip安装Keras命令：pip install keras

6、测试配置环境

在程序中输入import tensorflow as tf

测试一下tensorflow库是否安装成功，其他库类似。发现出错，如下图：

出现CUDA版本兼容错误，由于装的是最新版的CUDA，而tensorflow目前只支持到9.0版本，所以下载9.0版本的CUDA并安装：https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
cuDNN重新配置对应版本。本文只重装了CUDA9.0，未重新配置cuDNN，重新测试，运行成功，没错误。

小技巧

如果你在配置的时候不清楚你安装的TensorFlow版本目前支持CUDA和cuDNN的版本是多少，可以先安装好TensorFlow库后，从安装的TensorFlow库文件夹中（C:\Users\Administrator\AppData\Roaming\Python\Python36\site-packages\tensorflow\python\platform）找到build_info.py文件，里面写着CUDA和cuDNN的版本，从代码中可以看到：
cuda_version_number = ‘9.0’
cudnn_version_number = ‘7’
我们按照这个版本号安装就不会出现各种各样的问题了。

最后可以愉快的使用GPU训练模型了，附上训练模型图一张