GTX1060安装gpu版tensorflow经验分享

1. 配适版本

   作为一个深度学习小白，刚刚开始接触深度学习，没想到安装tensorflow竟然成为了第一支拦路虎…用CPU的版本完成作业后想着既然显卡还凑活不如用GPU版本的试试，没想到安装实在麻烦，网上的攻略都是单独下载cuda和cudnn，cudnn下载还要去英伟达官网注册填问卷，结果下载好安装完后依然不能用，我就回头去找了问题，发现是因为几个包互相版本都不配适。

   我是用anaconda使用python的，很方便，就想着其实用anaconda能不能一步到位，实际上如果你是高配的电脑直接用anaconda下完tensorflow-gpu和keras-gpu就可以了，anaconda会自动给配置好，具体多高配置我也不清楚，可以自己去查一下。
   简单说一下我安装gpu版tensorflow的具体配置和版本号，后面我会说一下如何在anaconda里装。我的显卡是gtx1060，安装需要的python版本是3.6（tensorflow1.12.0最高目前只支持到3.6），tensorflow版本是1.12.0，keras版本是2.2.4，cudnn是7.1.4，cuda是9，这个搭配亲测可用，我搜索到的其他搭配信息见下图（截图侵删），如果只是找搭配的看到这就ok了，下面介绍下anaconda安装gpu版本tensorflow的流程。
   

2. 安装流程

   首先建议新建一个环境，这样如果安装出现问题可以直接清楚环境不影响原来环境的使用。打开anaconda navigator，在environment里选择下方的create，新建一个python3.6的环境。
   
   新建完成后分别下载上述软件包的对应版本，在选择下载时anaconda会自动推荐你匹配的其他相关软件包，可以一起下载。
   
   搜索完成后右键软件包前面的勾，选择对应版本。
   
   在几个软件都安装完成后如果有需要就安装jupyter notebook用来运行代码。可以直接在nacigator里的application直接点击下载，也可以在anaconda prompt中输入conda activate XX（你建立的环境名），激活环境后输入pip install jupyter notebook安装jupyter notebook，如果jupyter notebook打开报错可以再pip install notebook（具体错误具体分析，我也不记得我当时解决这个问题时报的错是什么了）。注意：在一开始安装的时候我也安装了spyder，但是安装完了无法使用，并且在用jupyter运行代码的时候原本可以运行的代码会抱各种各样的错误，解决起来非常麻烦我也不想再研究了所以就弃用spyder了，大家谨慎安装。（其他环境下的spyder没影响）安装完成后记得给你的新环境装上平时你的常用库。
   补充一下，对于1060也有其他的可以使用的cuda cudnn tensorflow的搭配，我这里只是我自己测试可以使用并且安装比较方便的搭配，有更新的组合欢迎发在评论里。