Win10+CUDA10.0.130＋cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060

Win10+CUDA10.0.130＋cudnn7.4.1+tensorflow1.13.1+anaconda3 5.2.0+GTX1060

    安装环境：

    系统：win10 1803

    显卡:GTX1060

    笔记本：微星GL63

 

    我是参照下面博客，完成了CUDA10.0.130＋cudnn7.4.1+anaconda3 5.2.0

这个博客讲的非常非常非常详细，简直是全程录像级别的。

    引用博客1（非常感谢）：

https://blog.csdn.net/qq_36368388/article/details/89406838

 

    我的安装顺序：

    （1）Anaconda3 5.2.0

    （2）vs2013安装和显卡驱动安装

    （4）参照上面的博客安装CUDA+cuDNN

    （5）进入anaconda创建python3.6.8环境，参照博客1安装tensorflow-gpu版，只不过博客是tf2.0的我是1.13.1。

 

    下面是我的安装过程详细以及对博客1的自己的补充：

一、安装anaconda

    我自己之前安装了anaconda3 5.2.0，我忘了我是怎么装的了，反正网上教程多的很，随便找个是了。

    我主要补充下，安装完毕后，要添加国内镜像，否则更新下载很慢。

    anaconda安装完毕的接下来的配置

    1.1配置国内镜像

    anaconda安装完毕，找到Anaconda prompt，加入镜像地址，完成配置：

这是清华的镜像（要停止服务了)：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

 

    同样，其他国内镜像如下：

 阿里云                   http://mirrors.aliyun.com/pypi/simple/

还有其他的网上搜下。

 

    添加命令和上面一样，只需替换网址就行了。

注，目前国内镜像源已经要停止服务了，停止后只能用官方源了，慢的太狠了。

1.2接着要更新anaconda了

在Anaconda Prompt中输入：

（1）更新 conda update --prefix path（你的anaconda安装目录路径）

或者采用这个命令，一样的效果：conda upgrade --all

（2）搜寻python版本conda search --full-name python

（3）创建python环境conda create -n py3 python=3.6.8(这个版本号最好和你下载的anaconda自带的python版本一致，这样它不用再下载直接安装了)

（4）进入python环境conda activate py3

（5）退出环境conda deactivate

    注意：主要是第1步和第2步，这2个命令的效果我感觉是一样的，更新anaconda所有包和它自身，具体我也不太懂，反正更新完，你创建环境啥的都木有问题了，否则可能出现什么乱七八糟的问题，就不知道了。另外如果之前不配置国内镜像，那你更新的速度那简直是比乌龟还慢。这也是推荐配置国内镜像源的原因。当然国内镜像源停止服务后就麻烦了，更新好难好难，不知道该咋办。

 

到此，anaconda安装和环境配置暂告一段落。

 

二、VS2013安装和显卡驱动安装

    3.1 VS2013安装

    网上有说装VS2015或VS2017的，我就装VS2013咋地了？（我有VS2015我就不装！），看官网要求https://docs.nvidia.com/cuda/archive/10.1/cuda-installation-guide-microsoft-windows/index.html：

    支持VS2013不就完事了，我就用着2013顺手，后面有需要再装2015。

 

    3.2 显卡驱动安装

         这个也是纠结点，但是了解了就没必要纠结了。下面有个表格来自官网：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

这个表格的仅做参考，因为发现高版本可以装到低版本驱动的，因为会替代低版本驱动的。

    装哪个驱动呢？

    第1，网上有说查看显卡支持哪个CUDA，就是打开控制面板，搜nvidia（我打一个n）就出来nvida显卡控制面板，双击打开，帮助——系统信息——组件——NVCUDA.DLL

如下图，举个例子，这个就能看到当前你的显卡驱动支持的CUDA版本，我这个截的老电脑的图，它只支持CUDA3.1.1跟不支持CUDA有何区别？！

 

    注意：这个瞎扯淡，不是重点，因为你驱动装的高了，支持的CUDA版本就越高，所以查这个只能看当前你电脑装的显卡驱动是啥版本，这个版本对应的CUDA版本是啥。你一旦升级或者降级驱动，这个CUDA版本就又变了。

    第2，先卸载显卡驱动再装CUDA，我没试过，应该是可以的。——反正CUDA离线版自带显卡驱动会给你替换掉的。

    第3，像我这样的，嫌麻烦就去电脑的官网上找它最适合的最新的驱动——我是装完我的笔记本电脑官网最新的驱动版本417.77之后，再装的CUDA10.0130，装完后发现驱动就被CUDA自带的驱动替换了。

    不过，我觉得卸载显卡驱动然后装任意版本的CUDA应该是可行的，我是离线CUDA。

    各版本CUDA下载网址：https://developer.nvidia.com/cuda-toolkit-archive

    如果嫌官网下载慢，那我提供网盘，win10下CUDA9.0-10.0，以及对应的cuDNN都有：

链接：https://pan.baidu.com/s/190NBdZyw7JWi-WArw-y84Q

提取码：kof9

三、安装CUDA和cuDNN

         前面两步完成的话，CUDA和cuDNN安装包都有了。接下来，  参照博客1

https://blog.csdn.net/qq_36368388/article/details/89406838进行安装。

         我安装了CUDA10.0.130，不同的是我装的是cuDNN7.4.1，原因是看下面图：

 

 

         上图来源的博客是：Tensorflow-gpu和CUDA/cuDNN的对应关系

https://blog.csdn.net/qq_27825451/article/details/89082978

 

我是采用下面这个安装tensorflow成功

pip install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

 

四、测试

网上有很多测试，下面是看的博客非常好。多谢所有这些大神们，谢谢！

https://www.cnblogs.com/learnMoreEveryday/p/7860342.html

https://blog.csdn.net/qq_36368388/article/details/89406838

https://blog.csdn.net/weixin_34124939/article/details/88274237

https://blog.csdn.net/qq_33757398/article/details/82706565

 

五、其他

pip更改

很好的博客，

https://blog.csdn.net/qq_33757398/article/details/82706565

 

 

5）在自己电脑的C盘用户目录下新建文件夹pip，里面新建文档pip.ini

6）pip.ini输入：

[global]

trusted-host=mirrors.aliyun.com

index-url=http://mirrors.aliyun.com/pypi/simple/

 

5和6步的目的在于更换pip的下载镜像，可以大大提高pip安装速度，自己亲身体验~，原镜像下载速度不超过10K，阿里云镜像10M~~就是这样的差距

 

六、感谢

多谢多谢，记录下，然后开始学。