【安装配置】Tensorflow-GPU在Win10环境下安装（附CPU和GPU训练YOLO模型对比）

前言：不用安装Anaconda，不用创建局部环境。直接pip安装，直接整机各位置py程序都能用。

0.前期准备

其实很多时候TensorFlow-GPU版之所以安装失败，是由于各个所需软件版本不兼容问题，所以选对每个软件的版本至关重要。

本次示例：
Tensorflow-gpu 1.4.0 （这个版本其实比较老）
CUDA 8.0.61
cuDNN v6.0
Python 3.6.4
Windows 10
百度云链接：https://pan.baidu.com/s/1Ik4_ycB1ro8xOawg_3syhQ 提取码：ygnm
解压后如下：

其他推荐：
Tensorflow-gpu 1.7.0
CUDA 9.0
cuDNN v7.1
Python 3.6.4
Windows 10

以管理员身份进入cmd命令提示符：

输入以下代码查看已经安装的模块：

pip list

如果有老版本需要卸载，输入以下代码：

pip uninstall protobuf
pip uninstall tensorflow-estimator
pip uninstall tensorflow

1.安装CUDA

下载地址：https://developer.nvidia.com/cuda-toolkit-archive

也可以用前文的百度云打包下载中的：

点击之后指定位置解压就会打开安装界面，常规的安装方法。

2.安装cuDNN

下载地址：https://developer.nvidia.com/rdp/cudnn-download （这个需要注册的）

也可以用前文的百度云打包下载中的：

解压后会有三个文件夹：

将其拷贝到CUDA的安装目录下（路径参考：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0）

3.配置环境变量

这个我基本上把网上说的能配置的路径都配置上了

在用户变量中的Path中添加：（注意更改安装路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

在系统变量中的Path中添加：（注意更改安装路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

在系统变量中的CUDA_PATH中添加：（注意更改安装路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

在系统变量中的CUDA_PATH_V8_0中添加：（注意更改安装路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

4.安装TensorFlow-GPU

这里要安装的是tensorflow1.4.0版本，按理来说应该可以直接用pip install tensorflow-gpu==1.4.0来安装，但是我实际安装过程中会报错，怎么都装不上。所以这里换成使用 .whl压缩包文件安装。

下载地址：https://pypi.org/project/tensorflow-gpu/1.4.0/#files
也可以用前文的百度云打包下载中的：

以管理员身份进入cmd命令提示符，使用pip安装whl文件（注意更改路径）：

pip install D:\Installation package\Python+tensorflow\tensorflow_gpu-1.4.0-cp36-cp36m-win_amd64.whl #记得更改路径

5.检验安装是否成功

在cmd命令提示符输入：

pip list #查看 pip 已安装的模块

之后输入：

python

再输入以下验证代码：

import tensorflow as tf
hello = tf.constant('Hello,TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

import 之后不会报错，并且最后能正常输出就证明安装成功。

6. CPU和GPU训练速度对比

这里我是使用YOLO进行模型训练，之前用CPU版本的tensorflow做过，然后同样地条件我使用GPU版本训练，对比其训练速度。

硬件配置：
Intel Core i7-6700
Nvidia GeForce GTX 1060 6GB
16GB DDR4

训练内容：
YOLO模型训练VOC样本集
1个对象
40张样本图片
100次迭代

结果：
CPU独立运算：约3小时
GPU加速运算：约7分钟（速度快了20-30倍）

第一次用的时候被吓到了，没想到这么快。(:з」∠)

如有错误，欢迎指正！