学习笔记1：深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0

        2018年2月13买了一台Dell Inspiron7577，i7-7700hq、1050Ti显卡、win10家庭版。由于课题需要开始学习深度学习，之前在实验室和自己的笔记本上安装TensorFlow总是不成功，不然就是仅实现cpu运算。本次安装主要是按照这位大神的安装步骤，大神安装的时间和我相近，大神解释的也很详尽，基本没有出太多的问题，在此十分感谢！本人土木专业，计算机小白一只，如有出错望见谅，从零开始学习，也算是学习日记的第一篇了~

参考链接：http://blog.csdn.net/qq_33856151/article/details/79295086

安装列表：

Anaconda 5.0.1 对应Python版本3.6.3

CUDA 9.0

cudnn 7.0

TensorFlow 1.5.0

pycharm 2017.3.3

1.安装anaconda

anaconda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，是很方便的啦。可以直接搜索在官网上下载最新版本，或者在清华开源镜像网站上下载（推荐，速度快，有历史版本）。我安装的Anaconda3-5.0.1版本，好像现在更新到5.1.0，应该也可以用。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安装完成之后记得要添加“环境变量”，注意是在“系统变量”中“path”中添加变量。需要添加两个：“C:\ProgramData\Anaconda3”、“C:\ProgramData\Anaconda3\Scripts”，前一个是安装路径，后一个是Scripts文件夹路径，这里我都是默认安装路径。

添加完之后，运行cmd或者运行anaconda prompt，在命令行中输入python，即可运行python。

2. 安装Visual Studio

网上说VS是沟通GPU加速的桥梁，原博主安装的是VS2013，我下载了VS2015可以用，VS2015有三种版本：专业版、社区版、企业版，社区版是免费的，所以选择了社区版，下载官方版本安装即可。

3.安装CUDA

CUDA是nvidia提供可以使用C++进行GPU编程的接口，这一步是关键中的关键！

（1）查看显卡信息

桌面上右击，选择“NVIDIA控制面板”，右击菜单没有的在“控制面板”中搜索。点击“帮助”—“系统信息”—“组件”，查看显卡驱动版本。笔记本上1050Ti显卡开始是CUDA8.0.0版本，更新驱动后就变成了9.1版本。

（2）下载CUDA

这里比较绕，首先，安装的TensorFlow1.5.0版本只支持CUDA9.0；

其次，电脑上的显卡驱动版本和CUDA版本要匹配，我原来是8.0版本，安装CUDA9.0就不行，而升级驱动至9.1之后就可以安装CUDA9.0版本；（显卡驱动可以在NVIDIA corporation中更新，但只能更新到最新版本）

我们给出各显卡对应的历史版本驱动：http://www.nvidia.com/Download/Find.aspx，红色的是我下载的。

最后，我们需要下载安装CUDA9.0（官方最新是9.1版本，虽然和我的显卡相匹配，但是TensorFlow1.5不支持9.1），我们从下面的链接里找历史的9.0版本。

各版本CUDA：https://developer.nvidia.com/cuda-toolkit-archive

*我个人理解是，显卡驱动要比安装的CUDA版本高，CUDA我们只能安装9.0，所以显卡驱动需要安装9.0或者9.1版本的。

（3）检查CUDA

可以利用CUDA提供的例子来判断CUDA是否安装成功，文件路径为（我是默认路径）

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQuery

我安装的是vs2015，所以选择deviceQuery vs2015，具体调试过程看一开始的原贴，非程序员出身解释太困难了。运行之后会出现下面的结果，表示CUDA安装成功了，看我的CUDA Driver Version（驱动版本）是9.1，Runtime Version（运行版本）是9.0。（原贴都是9.0）

4. 安装必要环境

如何查看已安装的库
打开 Anaconda Command Prompt ,在命令提示符窗口中输入以下命令：`pip list` 或者`conda list`，
其中，`pip list` 只能查看库，而 `conda list` 则可以查看库以及库的版本

1. 如何安装或更新库

以安装 更新 scipy 为例
pip install scipy
pip install scipy --upgrade
或者
conda install scipy
conda update scipy

2.更新所有库
conda update --all

3.更新 conda 自身
conda update conda

4.更新 anaconda 自身
conda update anaconda

（1）安装mingw 和 libpython 

conda install mingw libpython

（2）安装Keras

pip install keras

其实这两个我暂时不用，先放在这（原贴抄过来的）。

5. 安装TensorFlow

安装TensorFlow使用的语句为

pip install tensorflow-gpu 

这时安装的是最新版TensorFlow的GPU版本（TensorFlow1.5.0,2018年2月9日）。另外cpu版本的安装比较简单，可以忽略上述大多数步骤。

6. 配置环境变量

貌似安装之后自动添加了，如果没有添加的话手动添加一下吧。

第一个框是安装CUDA后添加的，第二个框是安装VS后添加的，第三个框是安装anaconda、mingw和libpython后添加的。

7. 安装cuDNN

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

下载需要注册一个NVIDIA账号

下载后解压压缩包，将“bin”、“include”、“lib”中的文件分别放在CUDA安装路径的对应文件夹中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 （我的是默认路径）

8. 安装pycharm

安装pycharm编译器（其他编译器也可以），学生可以申请一年的，网上有去http://idea.lanyus.com/找的，安装教程百度一下很多。

至此，安装工作结束。

9. 测试

使用代码

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

显示下面的结果就是安装成功了。

安装下来还是挺费劲的，很感谢_Rio56帖子上的详细说明，大部分是按着他说的步骤一步步做。这篇文章算是自己深度学习的第一篇笔记吧，以后记得怎么安装（o(╯□╰)o）