win10下配置tensorflow-gpu 1.14版本环境

windows下只安装个tensorflow-gpu，是无法运行的，还需要下载CUDA+CUDNN，来配置显卡的驱动环境
注意：python、tensorflow-gpu、cuda、cudnn他们之间的版本一定要相互对应
点击查看官网配置要求

本教程的配置是：python3.7+tensorflow-gpu 1.14+cuda10.0+cudnn7.4.1

安装tensorflow-gpu 1.14

通过pip install 来安装(我这里用到了国内清华大学的镜像，这样下载更快些）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14

cmd输入pip list查看是否安装成功

安装cuda10.0

下载地址: https://developer.nvidia.com/cuda-toolkit-archive
我选择了 10.0

选择：windows => x86_64=> 10 =>exe[local]

安装包下载完成后，点击安装，可以自定义安装到D盘

之后会出现如下图所示的安装提示，点击同意，一直下一步安装即可

安装结束后，环境变量会自动多出CUDA_PATH和CUDA_PATH_10_0这两个环境变量

还需要手动在PATH中增加一个环境变量

CMD输入nvcc -V，看是否环境变量配置成功

安装cudnn 7.41

下载地址:https://developer.nvidia.com/rdp/cudnn-download
(下载前要先注册账号)

zip压缩包下载完成后，解压，直接把如下图所示的三个文件夹复制黏贴到之前安装的 cuda 10.0文件夹中，进行替换

之前安装的cuda 10. 0，它默认安装在C盘的Program Files目录下，它原来就有bin、include、lib这三个目录，我们要做的就是把cudnn解压后的三个文件夹进行复制替换

测试环节

编写一个test.py文件，代码如下

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

python test.py 运行，出现device:GPU:0 就代表tensorflow能GPU做运算了