Win10安装TensorFlow GPU版本（Python）教程

1 确定能否安装GPU版本

1. 检查自己的电脑是否有NVIDIA（英伟达）的显卡，以及自己的显卡版本是否支持，此外AMD的显卡是不支持的。检查请访问英伟达官网

图1 TensorFlow官网对GPU/CPU版本的说明

2. 参考TensorFlow官网对安装GPU版本的需求说明。

关键词：CUDA9.0、cuDNN v7.0、CUDA计算力3.0以上的显卡。

2 安装CUDA9.0

CUDA是基于C语言的可以让代码直接在GPU中运行的控制语言，所以第一步需要安装CUDA9.0，内含NVIDIA驱动程序。

1. 安装CUDA之前，需要安装Visual Studio的某个版本，因为没有这个的话，无法安装CUDA。本教程使用的是VS2017，建议安装VS2015，这样可以跳过步骤4、6。

2. CUDA官方说明：点击这里
   下载地址：点击这里（win10 local安装）
   安装向导：点击这里

3. 运行下载的cuda_9.0.176_win10.exe会安装CUDA安装器，路径使用默认的即可，因为这只是CUDA安装器，安装完CUDA后会自动删除。进入CUDA安装器后，选择自定义安装，不做修改点击下一步，选择安装路径，我的路径是1、3是D:/CUDA/v9.0，2选择D:/CUDA/cuda samples。等待安装完成即可。

4. 由于我使用的VS2017 15.8.5版本CUDA9.0不太支持，所以需要修改D:/CUDA/v9.0/include/crt/host_config.h(找你自己相应的安装路径)，把 #if _MSC_VER < 1600 || _MSC_VER > 1911 改成#if _MSC_VER < 1600 || _MSC_VER > 1915，这样修改是为了支持15.8.5版本的VS2017，如果是VS2015可以不用修改。

5. 进入下面这个路径（以我自己的为例），选择自己的VS对应的版本打开。我的是nbody_vs2017.sln。

6. 还是因为VS2017的缘故，需要安装VS2015工具集，下载地址：点击这里
   下载下图所示的工具包，然后安装。或者在安装VS2017选择安装VS2015工具集。

7. 右键 nbody->属性->常规->Platform Toolset 选择如下图，点击应用->确定。

8. 打开nbody.cpp,然后点击菜单栏 生成-> 生成解决方案，等待生成。

9. 进入下面这个路径查看是否生成nbody.exe，双击应该可以正常运行。

   

10. 最后打开命定行，输入：nvcc –V，输出如下图即安装CUDA9.0成功。

3 安装cuDNN v7.0

cuDNN是CUDA的库，易于写代码。下载需要先注册为英伟达开发者，按提示进行即可。

1. 下载地址：点击这里

2. 选择下面这个版本，其他版本不兼容。

3. 解压后应该得到cudnn-9.0-windows10-x64-v7文件夹，进入到cuda目录，将里面的三个文件夹拷贝到你的CUDA安装路径即可，比如我的是D:\CUDA\v9.0。（注意安装CUDA时自定义了两个路径，1、3一个，2一个，拷到1、3对应的路径。）

4. 检查环境变量。右键我的电脑，属性->高级->环境变量，查看CUDA_PATH是否是你的CUDA安装路径。

5. 打开一个VS项目，右键项目（比如还是上文的nbody.sln）->属性 -> 链接(Linker) -> Input -> Additional Dependencies，添加cudnn.lib。

4 安装TensorFlow

建议安装Anaconda，会简化很多工作。本教程是使用Anaconda安装。

1. 首先创建python3.6的虚拟环境tensorflow，cmd输入：conda create -n tensorflow pip python=3.6
   删除环境：conda env remove -n tensorflow
   激活环境：activate tensorflow
   取消激活：deactivate

2. 激活tensorflow环境后，下载GPU版本的tensorflow：
   pip install --ignore-installed --upgrade tensorflow-gpu

3. 验证安装：
   在tensorflow环境中，输入python
   然后输入代码：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello).decode()) 

输出：Hello, TensorFlow!

5 恭喜完成！

欢迎进入深度学习的坑！

——————————————————————————————————————

（原创不易，所有内容纯手打，请点赞支持！谢谢！）