安装tensorflow gpu版本 成功案例-win10 py3.7 cuda10.0 cudnn7.5.1 Anaconda

百度云链接：https://pan.baidu.com/s/1ka1bYRugiZVHLRu2h9jl5A

提取码：vmp0

采坑无数，安了两天。主要是因为不兼容，不兼容，不兼容，重要的问题说三遍。

首先，自己看过的很多，最稳妥的是 win10 +py3.7 +cuda10.0 + cudnn7.5.1+ Anaconda3

本文讲的是win10环境下gpu版本的tensorflow安装配置方法，先讲好我想配置的环境：

名称	版本
系统版本	win10 x64
CUDA Toolkit	10.0.130_411.31_win10
CUDNN	7.5.1.10
python版本	py 3.7.3（64位！！！
NVIDIA驱动版本	430.86
TensorFlow-gpu	1.13.1

（1参考：https://blog.csdn.net/XunCiy/article/details/89016510#1PythonpycharmAnacondaTensorFlowKerasCUDAcuDNN_2）

1.Python、pycharm、Anaconda、TensorFlow、Keras、CUDA、cuDNN之间的关系

1.Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因此，无需单独安装Python，直接安装一个anaconda就拥有了包含Python的开发包。
注意：若已配置好python环境，可以卸载后安装Anaconda；或者见博客 如何在已安装Python条件下，安装Anaconda,，并将原有Python添加到Anaconda中 及 在Anaconda中更改python版本和其他相关包版本 （并不好用，建议一开始就搞清楚需要什么版本并下载对，详见第二节）
2.PyCharm是一种Python IDE
3.首先安装anaconda，在里面配置好python环境，tensorflow、keras等，安装pycharm后将运行环境设置为anaconda里面我们配置好的叫做tensorflow的环境（或者其他你配置好的环境）。其实也可以在pycharm里面配置各种环境，此文主要讲anaconda配置环境。
4.Keras和TensorFlow的关系和区别 TensorFlow和theano以及Keras都是深度学习框架，TensorFlow和theano比较灵活，也比较难学，它们其实就是一个微分器。Keras其实就是TensorFlow和Keras的接口（Keras作为前端，TensorFlow或theano作为后端），它也很灵活，且比较容易学。可以把keras看作为tensorflow封装后的一个API。

2.查看电脑GPU、CUDA版本，确定安装CUDA、cuDNN、tensorflow版本（这点非常重要，可能就是因为版本依赖关系最后导致import tensorflow失败以及各种insufficient问题！！！）

TensorFlow 有CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要（但两个运行速度相差巨大，建议安装GPU版本）。
这步真的是最最最重要，跟着网上的各种帖子为什么一样的做下来就是不成功，因为你的电脑和别人的是环境不一样的，所支持的版本不一样，要不你要跟下载一模一样的各种版本的东西，要不你就需要根据以下步骤搞清楚你的电脑到底支持什么版本的CUDA，而这个版本的CUDA有需要什么样版本的cuDNN和tensorflow。建议搞清楚，因为你的电脑硬件可能不支持你所看到的帖子里安装的CUDA版本

  1.电脑显卡配置是否支持CUDA （一开始就是因为因为这么查看的所以版本才不匹配导致失败了，所以到最后我也没明白这个连接里在“计算机-管理-系统工具-设备管理器-显示适配器查”查看到的版本有什么意义，并不能确定你的GPU最多支持什么CUDA的版本）

  2.Windows系统查看CUDA版本号 （跟着这个里面的做法“控制面板-NVIDIA控制面板-帮助-系统信息-组件”可以查到CUDA driver version，就是你可以装的CUDA最高版本了，但是仅仅知道这个也是不够的，请继续往下看）

3.WINDOWS系统查看nvidia显卡和CUDA的版本号，请进入“C:\Program Files\NVIDIA Corporation\NVSMI”路径后再查看，不然命令无效，一共以下两条命令
cd C:\Program Files\NVIDIA Corporation\NVSMI
nvidia-smi
此时我已经安装CUDA，主要是看Driver Version 430.86这个值。

记住430.86这个值，根据该值在下表，找对应的，我最后选的cuda10.0.130，因为装cuda10.1.105和cudnn7.5.1失败了，反反复复失败。所以改成10.0

看下图，目前官网上没有给出py3.7和tensorflow1.13的支持，但是有看到网友成功安装的帖子，所以我就这么装了。

4.下载cuda和cudnn
下载cuda，我这里选择cuda_10.0.130_411.31_win10版本（上面我把自己下载所有的，在百度云盘里），

https://developer.nvidia.com/cuda-toolkit-archive：

下载cudnn ，win10版本，cudnn-10.0-windows10-x64-v7.5.1.10地址：

https://developer.nvidia.com/rdp/cudnn-archive

5.安装cuda

运行cuda_10.0.130_411.31_win10，

以管理员身份运行安装文件，然后安装的时候选择自定义安装（精简安装不仅会安装全家桶，还会覆盖你本地的驱动）：

就勾选CUDA下面的几个组件就好了：
（我不勾选VisualStudioIntgration，因为我不用vsstudio开发我这里用pycharm）

记住安装路径，之后设置path要用的：

嗯，然后结束：

 

设置环境变量，此电脑 -> 属性 -> 高级系统设置 -> 高级 -> 环境变量

依此添加下列三个路径到Path里

C:\NVIDIA\CUDAv10.1\bin

C:\NVIDIA\CUDAv10.1\include

C:\NVIDIA\CUDAv10.1\lib\x64

命令行输入nvcc -V，如果输出是 CUDA 版本信息，则说明安装成功

6.安装cudnn

cudnn-10.0-windows10-x64-v7.5.1.10 解压：

将cuda 这个文件夹复制到，前面cuda安装的位置，其实没有安装就是复制到这里，如图：

安装到这里，cuda和cudnn 就相当于完成了，大家的问题主要就是不兼容。注意版本。

3.安装Anaconda和tensorflow-gpu=1.13

安装anaconda带的库，非常省事。安装包在上面云盘，版本：Anaconda3-2019.03-Windows-x86_64 

注意的是：

添加path的勾选，一定要勾选，不勾选的，你会后悔的！

因为Anaconda会自带3.7.3版本的python，所以可以在命令行用pip下载：

#设置pip的源为清华源，加快下载速度（如果需要的话）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

#更新pip
python -m pip install --upgrade pip  

# 查看自己安装的库
pip list

#卸载cpu版本的tf（如果有的话）
pip uninstall tensorflow


#安装1.13.1gpu版本的tensorflow
pip install tensorflow-gpu==1.13.1

 

4.安装pycharm

详情请见：https://blog.csdn.net/XunCiy/article/details/89070802

pycharm下载社区版Community即可，可快速免费使用：https://www.jetbrains.com/pycharm/download/index.html#section=windows

5.测试Tensorflow-gpu

命令行测试：

python -c "import tensorflow as tf"

主要参考如下：

https://blog.csdn.net/lxfHaHaHa/article/details/89624812

https://blog.csdn.net/huanyingzhizai/article/details/89298964#查看python版本

https://blog.csdn.net/lxfHaHaHa/article/details/89624812

https://www.gongyesheji.org/?p=951