Win10 Nvidia GPU 深度学习环境

1. 安装显卡驱动

（1） 查看显卡是否支持CUDA

进入官网 https://developer.nvidia.com/cuda-gpus

如果不支持先打开淘宝买一张 ，再进行下一步。

（2）下载显卡驱动并安装

官网： https://www.nvidia.com/Download/index.aspx?lang=en-us
自动检测你电脑的显卡型号，按search后下载安装就行。

2. CUDA

（1）查看显卡支持的CUDA版本

在按住Win键的情况下，按P键，呼唤出搜索框。
在搜索框中输入control panel，打开控制面板。
然后搜索Nvidia，如图

(2)下载对应版本的CUDA并安装

关于CUDA 有些人说使用Aanconda安装tensorflow时会自动安装相应的CUDA。 可以查看这个博客的描述 https://blog.csdn.net/xq_nbu/article/details/83188570
可以从这直接跳到下面 2.安装对应版本的tensorflow-gpu。

要是不行再到这下载CUDA安装并配置环境变量
https://developer.nvidia.com/cuda-toolkit-archive

(3) 环境变量配置

参考这里 https://blog.csdn.net/qilixuening/article/details/77503631

2. 安装对应版本的tensorflow-gpu

（1）查找对应版本的tensorflow-gpu

CUDA的版本已经查到，查找对应版本的tensorflow-gpu

（2）创建对应的python版本环境并安装指定版本的tensorflow-gpu

CUDA版本 9.0，选择1.5.0-1.12.0都可以。若选择1.12.0的版本，那么则需要Python版本3.5-3.6
使用anaconda创建Python版本为3.6, 名为gpuenv的环境，使用conda安装tensorflow-gpu 1.12.0

conda create -n gpuenv python=3.6
conda activate gpuenv
conda install --channel https://conda.anaconda.org/anaconda tensorflow-gpu=1.12.0

查看安装结果

3. 鱼块玩耍

（1）查看设备
来自 Stack Overflow
打开python， 输入

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

（2）测试

来自 Stack Overflow

import tensorflow as tf
with tf.device('/gpu:0'):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
    c = tf.matmul(a, b)

with tf.Session() as sess:
    print (sess.run(c))

直接打印结果表示成功，否则报错如下：

Cannot assign a device to node 'MatMul': Could not satisfy explicit device specification '/device:GPU:0' 
because no devices matching that specification are registered in this process