tensorflow-gpu1.4.0安装

说明：本人安装了tensorflow-gpu2.2.0版本以及对应版本的cuda和cudnn，现将其卸载后安装tensorflow-gpu1.4.0+cuda8.0+cuddn V6 (+python3.6)
如果安装的anaconda 对应的python是其他版本，要么重装要么新建个python为3.6的虚拟环境

一、卸载

1. tensorflow-gpu2.2.0
cmd或者Pycharm里面的terminal输入命令：
pip uninstall tensorflow-gpu==XXX版本号
2. cuda
把不要的版本卸载掉

二、安装

1.CUDA
1）cuda 8.0下载链接

2）安装时注意：
（1）在 CUDA 节点下，取消”Visual Studio Integration”一项；
（2）在“Driver components”节点下，比对目前计 算机已经安装的显卡驱动“Display Driver”的版本号“当前版本”和 CUDA 自带的 显卡驱动版本号“新版本”，如果“当前版本”大于“新版本”，则需要取消“Display Driver”的勾，如果小于或等于，则默认勾选即可。

3）配置环境变量
重新指定cuda路径：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

2.cudnn
1）选择与cuda8.0 和windows匹配的版本下载
NVIDIA官网下载链接
2）下载后将压缩包里的三个文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0中

3.tensorflow-gpu1.4.0（要在目标环境下安装）
（tf1.4.0对应的python最高版本是3.6，所以选了3.6）
【可能要用到的命令：

1.查看环境：conda info --envs
2.创建环境：conda create --name xxx python=3.6
3.切换环境：activate xxx
4.切回原来的Python环境：deactivate xxx
5.删除不要的环境: conda remove --name xxx --all

】

1）查看anaconda环境(conda info --envs)
反正我是装得乱七八糟，所以还是重新建一个虚拟环境

2）新建虚拟环境，python3.6，这里命名为tensorflow1.4。
conda create --name tensorflow1.4 python=3.6
3）查看无误后，激活该envs。
activate xxx

4）为该环境安装tf1.4.0。
使用pip install指令安装会超时，因此采用pip和清华镜像安装，命令如下：
pip install tensorflow-gpu==1.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
【 注：其他模块（numpy\mxnet）：
pip install XXXX -i https://pypi.tuna.tsinghua.edu.cn/simple 】

如果没安装成功，那就再装一遍。

4）测试一下：

大功告成!

三、编辑器里选择Python interpreter

Pycharm
File–>Setting
选择Make available to all project 以便新建项目时不用重复选择环境。

vs code
Ctrl+Shift+P，选择Python：Select Interpreter，选中tensorflow-gpu虚拟环境：
选择后会自动在settings.json文件中生成