windows10+mx150+ Cuda9.1+cudnn tensorflow-gpu环境配置

笔者使用的是 python 3.6.5 为了保证安装过程顺利，建议使用相同版本的python。

1.先安装CUDA  先安装CUDA 

   查看自己的显卡对应的cuda版本，没有英伟达独立显卡的自行放弃，打开英伟达控制面板，点帮助——>系统信息——>组件

      ----->

---

 

CUAD下载链接——>然后安装，自定义安装，不选vs那个就行了，路径默认。

然后检查CUDA是否安装好了。输入命令　nvcc -V 出来以下信息即完成。

2安装cudnn

查看显卡的驱动版本信息，选择对应的cudnn。 这里的388，就是版本号，下载这个要注册个英伟达账号。

下载完成后解压，把cudnn文件夹中的文件移到CUDA对应文件夹下去。

2安装python3.6.5

不需要选择3.7的版本，下载完成后使用清华镜像站的地址具体方法如下。

在\AppData\Roaming\pip文件夹（没有pip文件夹可以新建）中新建pip.ini文件。pip.ini文件中输入(使用清华镜像源)：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn

再下载tensorflow-gpu。

如果想要使用tensorflow-gpu，需要编译安装。
不过编译安装有点麻烦，幸好有人已经在Github上分享了一系列编译好的tensorflow-windows-wheel文件https://github.com/fo40225/tensorflow-windows-wheel。

根据自己的CUDA版本选择对应的编译文件。

然后执行命令

pip install tensorflow_gpu-1.10.0-cp36-cp36m-win_amd64.whl

install 后面的根据自己下载的版本更改。

最后就是检测自己的环境了。

import tensorflow as tf
hello = tf.constant('hello, tf!')
sess = tf.Session()
print(sess.run(hello))

如果输出一下内容，则ok。

其中有个AVX2的那个东西，很玄学，这个是与个人的电脑的CPU的指令集有关，如果是做图片识别的话，不需要管这个问题。