深度学习之路三——windows系统下安装tensorflow-gpu版(或pytorch-gpu版)

    本文是建立在上一篇文章“深度学习之路二——windows系统下Anaconda+Pycharm"完成后的基础上继续的。
    要安装tensorflow-gpu版，首先要确保自己有一块英伟达的GPU，我的机子是英伟达GTX1060系列的显卡。
    然后，需要安装CUDA，在英伟达显卡官网上下载CUDA，注意选择版本号，之后还需要下载CUDNN，两者的版本要对应。GTX1060对应的版本分别为：CUDA9.0+CUDNN7.0.5

    1.CUDA安装(本文安装为9.0版本)
    下载地址：https://developer.nvidia.com/cuda-downloads
    按正常步骤安装，建议安装在默认路径下！
    安装好后把CUDA安装目录下的bin和lib\x64添加到Path环境变量中

    2.CUDNN库的下载(本文下载为v7.0.5版本)
    下载地址：https://developer.nvidia.com/rdp/cudnn-download
    下载后解压，把压缩包中bin,include和lib文件夹中的文件分别拷贝到C:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v8.0目录下的对应目录中
    把C:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v8.0\extras\CUPTI\libx64\cupti64_80.dll拷贝到C:\Program Files\NVIDIA GPU Computing Tookit\CUDA\v8.0\bin中

    3.安装tensorflow-gpu版
    在anaconda prompt命令行里直接安装pip install tensorflow-gpu即可，注意，gpu版本和cpu版本只能装一个，另外，tensorflow的版本要和CUDA以及python版本对应。对应关系如下图：

图1 tensorflow版本对应图

     4.pytorch-gpu版本安装
    直接去pytorch官网(https://pytorch.org/)可以安装最新版，不过建议最好根据实际情况安装，目前(2019.3.31)为止，大部分github上的代码都是基于pytorch 0.4.0版本的，如果安装1.0版本以上，可能需要修改较多代码。另外，需要说明的是，我测试过几次，用conda安装pytorch的速度远远比Pip安装要慢。用Pip安装的话，第一行命令安装的是pytorch，第二行命令安装的是torchvision，是pytorch的辅助工具包，里面有很多很有用的附加功能。千万要注意搭配好Pytorch、CUDA和python的版本，否则代码运行的时候可能会报各种错误。

图2 pytorch安装选项(示意图)