window10 下 anaconda 安装 tensorflow-gpu 小记

window10 下 anaconda 安装 tensorflow-gpu

安装tensorflow的软硬件要求

官方给出了 tensorflow-gpu 的软硬件要求，可以参考链接自行查询
链接：tensorflow官网提出的软硬件要求
这里提供一张官网的截图，截图时间是 2019年5月7日 。由于tensorflow也在不断更新，具体的软硬件要求请以官网给出的为准。

根据硬件要求，计算机的显卡需要满足一定的计算能力（大于等于3.5），比如我的显卡是 GTX970，根据列表，GTX970 的计算能力是 5.2，满足要求。如果计算能力不行，估计就不能继续了。

除了硬件有要求，软件也有要求，根据截图上的说明，如果想要成功运行 tensorflow，需要：

• 显卡驱动程序需要410.x或者更高的版本
• 安装 CUDA 10.0 工具包
• cuDNN 7.4.1 版本或者更高
• TensorRT 5.0（可选，实际上我没装，因为我暂时用不上）
• 其他。网上有人说电脑得先安装VS，我的电脑是安装了 Visual Studio 2017的。

更新显卡驱动

电脑当前的显卡驱动版本可以从 Nvidia 控制面板查看（桌面右击）

我的版本是398.75，要求是需要410.x或者更高，我这个太低了。去官网下了个显卡对应的最新的驱动程序，最新的是430.39，然后安装。我是直接双击430.39安装的，并没有卸载之前的显卡驱动。

下载安装 CUDA 10.0

去官网下载 CUDA Toolkit。 链接：CUDA下载链接
选择 CUDA Toolkit 10.0


下载的 CUDA 10.0

安装 CUDA 10.0 。补充一下，在此之前我的电脑已经安装过了Visual Studio 2017， 安装选项我选的精简。中间省略若干张图。

下载 cuDNN

去官网下载合适的 cuDNN 。链接：官网 cudnn 下载链接

选择对应于 CUDA 10.0 的 cuDNN。值得一提的是，下载 cuDNN 需要登录 Nvidia 账号，没有的话可以注册一个。


下载好的 cuDNN 7.5.1。它是一个压缩包，不需要安装。

解压 cuDNN ，移动文件，修改环境变量

网络一些博主的做法，也是我的做法

先看一下 CUDA 安装的根目录：

解压 cuDNN 压缩包很简单，解压完后，需要将压缩包中的三个文件复制到 CUDA 安装的相应目录下，具体见以下几张图：



修改用户环境变量 PATH，向 PATH 中添加以下四项（需要根据CUDA安装的根目录做更改）

tensorflow官网提供的做法

链接：tensorflow官网的说明

仔细一看，其实和网上介绍的办法殊途同归。

安装Anaconda

官网下载anaconda，然后直接安装就好了。想要具体的过程可以看看相关博客或经验分享。

Anaconda 安装 tensorflow-gpu

创建 conda 环境

创建一个名为 tensorflow 的 conda 环境

conda create -n tensorflow pip python=3.6

激活创建的 conda 环境

activate tensorflow

安装 tensorflow-gpu

pip install --ignore-installed --upgrade tensorflow-gpu

我是n次尝试，n次失败。好像都是失败在网络上？？？

之后选择用清华的镜像源，将命令改写为：

pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

我第一次是在tensorflow这个环境中安装了 anaconda 基础包：

conda install anaconda

不过有点坑，装了超级多的包，最后 import tensorflow 的时候还出现了问题，失败了！！！

于是，我又新建了一个环境 tensorflow2，没有一次性安装所有的anaconda包，成功了，最后一行显示的是使用的0号GPU。