win10下Anaconda3-5.3.0配置python 3.6，tensorflow1.12.0的cpu以及gpu环境

前言

我的环境是windows 10，GPU是GTX 1070台式机版本，由于安装了NVIDIA GeForce Experience，我的驱动一直保持最新

所以对我来说，驱动版本不是问题，但太新的话后面安装CUDA 9.0时要注意不要勾选安装驱动，虽然我也不知道勾选会怎么样，但你总不会想用旧驱动吧，哈哈。
下面我来说一下所需软件，如果你有哪里不清楚，最好去官方文档看，比如我之前安装了CUDA 10，结果不行，看了官方文档后才知道支持的是9.0，所以有时候最新的也不一定好。

1. Anaconda3-5.3.0-Windows-x86_64
2. 以下版本任选其一
   Visual Studio 2010
   Visual Studio 2012
   Visual Studio 2013
   Visual Studio Community 2015
   Visual Studio 2015
   Visual Studio 2017
   （我已经安装vs2013，此软件安装简单，不再赘述，直接下载安装即可）
3. cuda_9.0.176_win10cuda_9.0.176_win10
4. cudnn-9.0-windows10-x64-v7.4.1.5

软件大多为截至2018.11.23可用的最新版本，至于你说有cuda 10，我上面说了我第一次没成功，我个人不想再试了，不过我看到有人说在ubuntu下安装成功了，各位可以试试。除此之外，tensorflow官方文档说support 9.0，如下：

软件下载与安装

点击链接即可，均是官网，记住看清版本

Anaconda3-5.3.0

1. Anaconda3-5.3.0-Windows-x86_64，下载python 3.7的，之后默认安装即可

cuda_9.0

2. cuda_9.0.176_win10，选项已选好，直接下载base installer即可，除此之外有个地方要注意，如果下载network版本，我没有成功，好像是部分被墙。下载local版本时，我用浏览器下载也没成功，或者没下全，运行就会报错“non 7z”什么的。我的方法是，对下载按钮右键，选择复制链接地址，
   用迅雷新建任务，粘贴后下载即可
   
   然后双击安装，会让你选一个临时地址放提前的文件，默认就好，或者选一个空文件夹，之后会自动删除。
   
   如果你的驱动和我一样也特别新，可能会有提示建议不要安装CUDA带的驱动，继续就好。
   
   然后安装时不要选择精简模式，选择自定义，
   
   不装driver components
   
   不要修改默认路径，然后安装即可
   

cuDNN

3. 下载cudnn要登录，之后选择最下面那个for cuda 9.0的就好了
   
   解压后，添加系统环境变量，我解压后的文件夹cuda放在了C:\tools，因此我的环境变量是C:\tools\cuda\bin，检查以下四个环境变量是否都有

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64
C:\tools\cuda\bin

然后移动文件，下面是官方文档

验证安装

注销或者重启后（让环境变量生效），打开power shell，输入nvcc -V，显示：

然后打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQueryDrv，找对应的vs版本打开，执行后，result=pass即可

Anaconda创建tensorflow环境

运行 开始菜单->Anaconda3—>Anaconda Prompt ，输入：
conda create -n tensorflow-gpu python=3.6
其中tensorflow-gpu为环境名，可以自定义。python版本3.6。安装tensorflow cpu版本比较简单，所以主要以tensorflow-gpu示例
然后输入
activate tensorflow-gpu
进入环境，然后下载tensorflow，只能选一个下载
cpu版本
pip install --upgrade --ignore-installed tensorflow
gpu版本
pip install --upgrade --ignore-installed tensorflow-gpu
然后可以测试一下，输入
python
然后是经典的测试代码，虽然我觉得只要import没错就行了

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

cpu版本

gpu版本

跑代码速度对比

cpu

gpu

提升明显啊，嘿嘿