windows下安装GPU版tensorflow并对GPU进行测试

首先安装显卡驱动

显卡驱动不会对下面的安装产生影响

CUDA、cuDNN以及tensorflow-gpu版本对应关系

安装CUDA

首先在CUDA官网上下载所需要的CUDA版本：https://developer.nvidia.com/cuda-downloads

按照提示安装CUDA，记录安装路径，默认路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

安装cuDNN

在cuDNN官网下载CUDA版本所对应的cuDNN版本：https://developer.nvidia.com/cudnn （需要登陆，可以用微信登陆）
下载好之后直接解压文件
讲下列文件复制到CUDA相应的位置即可
Copy \cuda\bin\cudnn64_7.dll to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
Copy \cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
Copy \cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.

安装tensorflow-GPU

直接在windows命令行窗口中用pip安装对应版本的tensorflow-gpu
tensorflow官网安装 pip install tensorflow-gpu1.13.1 （速度比较慢）
清华镜像安装 pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu1.13.1 （速度比较快）

测试tensorflow-gpu是否安装成功

1. 在命令行中输入pip show tensorflow-gpu , 输出结果为安装tensorflow-gpu版本号
2. 用python代码import tensorflow看是否会报错（前提是没有提前安装cpu版的tensorflow）

tensorflow进行GPU测试

1.CPU测试

import tensorflow as tf

# Creates a graph.

with tf.device('/cpu: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)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

2.GPU测试

import tensorflow as tf

# Creates a graph.
with tf.device('/device:GPU:2'):
  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)
# Creates a session with allow_soft_placement and log_device_placement set
# to True.
sess = tf.Session(config=tf.ConfigProto(
      allow_soft_placement=True, log_device_placement=True))
# Runs the op.
print(sess.run(c))

3.多个GPU测试

import tensorflow as tf

# Creates a graph.
c = []
for d in ['/device:GPU:0', '/device:GPU:1']:
  with tf.device(d):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3])
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2])
    c.append(tf.matmul(a, b))
with tf.device('/cpu:0'):
  sum = tf.add_n(c)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(sum))