Win10系统下VS2015+Cuda10.0+Anaconda 3+Tensorflow-GPU版本 环境搭建安装及测试
Win10系统下VS2015+Cuda10.0+Anaconda 3+Tensorflow-GPU版本 环境搭建安装及测试
基本配置
Windows 10 - 64位，GeForce GTX 1070, Visual Studio 2015，Anaconda 3, Cuda10.0，cuDNN 7.4.2, Tensorflow1.13.1-GPU版本
前言
配置了两天把Tensorflow需要的编译环境配置成功并运行了tensorflow的样例程序，还是有些艰辛的。
参考文献： https://www.cnblogs.com/guoyaohua/p/9265268.html
根据自己的电脑进行了一些调整，期间也踩了一些坑，万幸都解决了，现在在这里总结整理并分享一下，这样大家在遇到相同问题时就可以轻松通过啦。^ ^
Step1: 安装 Visual Studio 2015
1. 下载
Visual Studio 2015下载地址：https://www.microsoft.com/zh-cn/download/details.aspx?id=48145
如果官网下载不了，可以在我的百度云盘下载，下载地址：https://pan.baidu.com/s/19bjb6YneRc0u-jYUuaNfiw 密码：bb35
2. 安装流程
一定要在先安装Visual Studio 2015，这样在安装Cuda的时候就会关联VS2015，省去很多的麻烦。
- 双击exe文件安装Visual Studio 2015 进入安装页面。
- 我们这里选择Default就可以了，之后如果在编译的时候缺少添加包的话可以再补。
安装过程中有可能会卡在Microsoft ASP.NET的进度条上不动，这里也是我遇到的第一个问题，解决方法点击重启计算机，然后系统会跳出一排未关闭的程序，其中就包括正在安装的VS，然后直接取消掉重启，这时进度条就会继续走下去了，不过ASP.NET可能会出现安装问题，不过我们可以以后再装。
Step 2: 安装 Anaconda
1. 下载
官网地址：https://www.anaconda.com/download/
2. 安装流程
-
进入上边的链接，选择Windows，选择Windows,然后根据自己的系统位数选择Python 3.7 version的installer。这里下载的Python版本是3.7不过在后面可以更改python的版本。
-
打开下载完毕的exe文件。
-
我们之后需要手动添加环境变量，所以“Add Anaconda to my PATH environment variable”这里不要勾选。
安装完成之后，打开系统的环境变量，流程是 右键这台电脑→属性→高级系统设置→环境变量，会进入到下面的这个页面。
双击用户变量的Path,添加以下路径。(注意这里要换成你自己的安装路径) -
C:\Users\Fuhao\Anaconda3
-
C:\Users\Fuhao\Anaconda3\Scripts
-
C:\Users\Fuhao\Anaconda3\Library\bin
结束后我们来打开cmd测试一下，在cmd中打入 conda -V,得到的是当前anaconda的版本号，证明配置成功。
Step3 : 安装CUDA Toolkit 和 cuDNN
1. 下载
cuda10.0 下载地址：https://developer.nvidia.com/cuda-10.0-download-archive
cuDNN7.4.2 下载地址：https://developer.nvidia.com/rdp/cudnn-archive
2. 安装流程
1. CUDA Toolkit
- 打开上述cuda下载地址，如下图所示依次选择Windows→X86_64→10→exe(local) 然后点击下面出现的Download开始进行对cuda的下载。
- 下载完毕后打开
- 点击OK，会开始检查版本兼容性，然后进入安装页面（这里其实是需要卸载显卡驱动的，因为有可能会不兼容，但是我在安装之前更新到了最新的NVIDIA显卡驱动，是满足CUDA 10的，所以就跳过了 ，有担心的同学可以卸载）。
- 点击同意并继续
- 选择自定义
- 选择所有的组件，然后点击下一步，就开始安装了，一路通过直到安装结束。
2. cuDNN
- 打开上述cuDNN下载地址，如下图所示依次选择Download cuDNN V7.4.2[Dec 14,2018] for CUDA 10.0→cuDNN Library for windows 10 进行下载，值得注意的是这里是需要在nvidia上注册账号，不过用邮箱注册就可以，很快的，登陆之后就可以开始下载。
- 下载下来的cuDNN是一个压缩包。解压“cudnn-10.0-windows10-x64-v7.4.2.24.zip”，将里面的bin,include,lib三个文件夹拷贝到CUDA安装的根目录下,代替原有的同名文件夹。
这样就基本完成了cuda和cuDNN的安装，接下来就只剩配置环境变量了。
3. 配置环境变量
用之前的方法打开环境变量，双击用户变量的Path,添加以下路径。(注意这里要换成你自己的安装路径)
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras
Step4 : 安装 Tensorflow-GPU版本
1.安装流程
1. 创建conda环境
首先我们要创建一个编译环境，调用下列命令，来创建一个名称为tensorflow_gpu的环境：
conda create -n tensorflow_gpu pip python=3.5
这里输入y，说明允许安装，之后就是等待，当出现下列提示时说明已经创建完毕。
2. 激活conda环境
通过之前的提示说明，激活环境是在命令行中输入 activate tensorflow,而关闭环境则为deactivate.由于我们的环境名称为 tensorflow_gpu,输入下列命令来激活我们创建好的conda环境。
activate tensorflow_gpu
我们现在已经进入了我们创建好的“tensorflow_gpu”的环境。
3. 安装tensorflow-GPU版本
这里分别给出安装GPU和CPU版本tensorflow的命令。
GPU版本：
pip install --ignore-installed --upgrade tensorflow-gpu
CPU版本：
pip install --ignore-installed --upgrade tensorflow
出现以上提示就代表我们的tensorflow-GPU版本已经安装完毕了。不过我们是在我们创建好的环境中安装了tensorflow,并不是在base中，而anaconda是安装在base中的，所以比如我们打开jupyter notebook来写代码，会发现我们使用的kernel是base中的kernel，但是base中没有tensorflow，所以import会报错。所以我们需要在我们的环境里也安装anaconda的基础包。用下面的命令：
conda install anaconda
在我们的环境中anaconda安装完毕后，理论上来说就完成了所有的安装了，但是在这里我出现了一个小bug，就是在import tensorflow as tf 的时候cmd会闪退，没有出现这种情况的同学那么恭喜你你已经完成了tensorflow-GPU版本的环境搭建和配置，直接忽略这一段往下看测试环节，那与我出现同样问题的同学下面是解决方法。进入你创建的环境中的site-packages，如C:\Users\Fuhao\Anaconda\envs\tensorflow_gpu(你创建的环境名字）\Lib\site-packages，删除 h5py 和 h5py-2.7.1-py3.5.egg-info 这两个文件夹（注意：还有一个h5py-2.9.0.dist-info不要删，只删除之前的那两个），重新打开cmd，再次尝试import的时候就不会再闪退了。
Step5 : 测试
最后我们来进行简单的测试，进入cmd，激活我们的环境，然后键入Python进入python解释器模式，调用下列命令：
import tensorflow as tf
没有报错说明我们import成功，接下来调用下列命令来检查是否使用GPU：
tf.test.gpu_device_name()
出现下列提示说明GPU已被使用。
至此，对Tensorflow的环境搭建，安装和测试就全部结束了，希望大家都可以成功的安装。^ ^
如果有什么问题，可以和我一块交流和学习~