win10+GPU+tensorflow安装配置 过程 的吐血总结

关于配置tensorflow-gpu这个过程实在是太艰辛，弄了好久 。废话不多说，我说一下配置过程中的一些心得。吐血，吐血！！
先说一下，我目前的电脑 配置：GTX950m，python3.6.8
安装有CUDA9.0+cuDnn7.6.2和CUDA8.0+cuDnn6.0两个版本
tensorflow-gpu1.12.0, numpy1.15.4, protobuf3.9.1

希望大家大体浏览一下文章再安装，避免一些不必要的错误。

1、Anaconda安装配置

首先，我 建议大家使用Anaconda，这个里面封装了许多库，特别好用。但是里面的Spyder可能好多人觉得用着不习惯（与matlab界面差不多）。你也可以使用Pycharm来进行编写，只需要把解释器换成anaconda里面的就行。具体操作我就不详细说了，请看下面我觉得比较好的博文 ：
Anaconda详细安装+与pycharm之间的链接：https://blog.csdn.net/ITLearnHall/article/details/81708148

2、新建环境

要安装之前，请大家查看一下自己的python版本是什么，最好现在先不要安装python3.7及其以上，因为版本太高，会导致很多东西都没有资源。关于python在你安装 Anaconda的时候会让你选择版本，我最开始没有使用GPU,所以默认选择了py3.7，后来才发现其弊端。如果你已经安装也不要紧，你可以在Anaconda下使用conda新建一个环境py36，保证其python版本为3.6。Anaconda支持多环境。建议使用conda新建环境
创建python虚拟环境：https://www.cnblogs.com/swje/p/7642929.html
新建py36 （自己起名字，我的叫py36）环境后，一定要激活，下面安装所有的库都是在该环境下进行的。

3、CUNA+cuDnn安装

你首先要安装CUDA与cuDnn，具体版本因电脑显卡而异。具体安装请看这里：
https://blog.csdn.net/m0_37638031/article/details/78896818，
https://blog.csdn.net/qq_30611601/article/details/79067982
https://blog.csdn.net/Fowee/article/details/84983245
这只是一个参考，里面的内容也不是很全面。大家要根据自己的情况。往往理想很美好，显示很残酷 。看人家装的一帆风顺，到自己这里各种毛病。

注意以下几点！！！

1. 一定安装VS，我装的2015，cuda安装时要用到
2. 安装过程注意版本的对应， tensorflow各个版本的CUDA以及Cudnn版本对应关系 ：
   https://blog.csdn.net/qq_27825451/article/details/89082978
3. 安装时，第一次提醒的解压位置一定不要与后面安装路径放在一起。因为安装完成后，他会默认删掉 解压路径。
4. 安装选项选择自定义：CUDA是必选的，其他的选项网上意见不统一，你们根据自己的情况。我第一次全选了，最终安装失败。里面有一个更新驱动安装失败，导致在其之后的没有安装。你要看清楚安装失败与未安装是不一样的。若安装失败了，查看一下失败安装的文件，解决掉。再次安装，我的情况是更新驱动安装失败，感觉不更新也没啥影响，第二次，我就没有选择 NVIDIA GETFORCE Experience…选项。最后安装成功，哈哈。机智如我。也有的情况是vs配置 失败，可能是未安装VS，或者版本太低，有的说是直接去掉安装vs组件前的对号，个人不推荐。以后编译文件总会用到的，再配置就麻烦了 。
5. 安装完成，cudnn安装就比较简单了，直接将 里面的三个文件复制到你的安装路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0（这是我的路径）就可以了。难倒是不难，就是注意版本的匹配 。自己查。
6. 最后如果出了问题，一定看看你的环境弄好了吗。。特别是前面CUDA的环境变量，很多，好好看看。

我的环境变量：

我是装了两个版本，，先装的CUDA8.0，后来发现与其兼容的tensorflow-gpu版本太低，某些程序都运行不了。特别是当你使用一些开源的现成的模型的时候，若模型训练用的tensorflow版本高于你的，则你将无法运行。我是用稍微修改了一下object-detect-API里面的object_detection_tutorial.ipynb 测试出错，后上网搜索发现是因为 tensorflow版本太低的问题。后来我就升级了，但是又出现

from tensorflow.python.keras._impl.keras.backend 
import abs
ImportError: cannot import name 'abs'

因为现在的tensorflow与keras版本不匹配。我也尝试着修改 ，尝试了各种方法：换不同版本，换keras后端，最终都失败了。然后我就放弃了，可能他真的不行。我就直接把该环境下的所有库都删掉了，重新弄。
无奈之下 ，我又安装了CUDA9.0,放心 他和CUDA8.0两者可以兼容，你就照着前面你安装成功的方式安装，已经没有错。不要怀疑，我就是这么弄得，中间他会说将删除已经存在的版本 ，他就是吓唬你。实际上并没有删除。使用CUDA9.0 就可以配置更高版本的tensorflow-gpu了 。哈哈
如果你安装了两个版本的CUDA，系统默认使用环境变量中位置靠上的那个。你想用哪个，就将其路径放在另一个的上面。

4、安装 tensorflow-gpu

你可以使用conda安装 ，conda install tensor-gpu==版本号，一定要指定版本号与你安装的CUDA对应，否则它自动安装最新版本，使用 会报错。使用 conda 安装，可能速度较慢，可能会出现下载失败的现象。如果你网速够快，请忽略这个问题。你可以添加 清华源，下载速度变快。但是很不巧的是，我所需要的tensorflow-gpu1.12.0 在 清华源中没有该版本 ，然后我决定离线安装，去PyPI下载你所需要版本的 .whl 文件，里面特别全,你想要的各种版本都有。（如果你不会用，请自行百度）。最后在py36环境、whl文件所在路径下pip install xxx.whl这样你就成功安装 完成了。对于其他的各种库，只要 清华源里面有的，你下载速度都很快。基本库是要安装的，eg：numpy， pillow， pandas， matplotlib 等 。然后你就开心的去测试就好了。。哈哈哈
然后我就一盆冷水：

........
AttributeError: 'tuple' object`

吐血吐血！！！我上网搜了一下，说是numpy版本问题，我当时用numpy1.17.0 ，不行。换了1.16.0，还不行，残血了 ，，最后抱着试试的心态换成numpy1.15.4，终于成功了。满血复活，哈哈哈哈哈哈哈哈
相关conda命令：https://blog.csdn.net/qq_36758461/article/details/98639350
最后说一句，只要大家坚持下来，最终一定能配置成功。不要放弃，我也弄了好久。收获 很多 。