Windows Tensorflow GPU(CUDA) Anaconda配置

经过很久才配置好的，经过很多坑，记录下来，供大家参考一下。我的电脑安装的版本：Windows：10，Tensorflow：1.14，CUDA：10.0，cuDNN：7.6.3，Anaconda：anaconda3-5.3.1，Microsoft Visual Studio 2017，所有资源都有提供。

重点注释

不管想要安装哪个版本的TensorFlow和CUDA，一定记住的是显卡的驱动版本决定CUDA版本，CUDA版本决定TensorFlow版本，否则就是不管多少次都是失败（经历了N次失败，都是眼泪啊，其他的文章中对这部分强调的不足，所以我放在文章最前面）！我的系统是Windows10，显卡是NVIDIA GeForce GTX 1660Ti。

目录

重点注释

第一步，查看显卡型号：

第二步，查看自己显卡的算力：

第三步，安装Anaconda：

第四步，查看自己电脑的NVIDIA显卡支持的CUDA版本，同时查看Tensorflow需要的CUDA版本：

第六步，安装Microsoft Visual Studio：

第七步，安装CUDA：

第八步，安装Tensorflow：

资源下载：

---

第一步，查看显卡型号：

我的电脑---->右键---->管理---->设备管理器---->显示适配器，点开之后就能看见你显卡的信息了。

第二步，查看自己显卡的算力：

网址：https://developer.nvidia.com/cuda-gpus。NVIDIA官方给出要安装CUDA，算力至少要3.5。查看自己的显卡对应的算力是多少，有的显卡在这个上面没有列出来，自己根据版本上下估计一下也可以的。

第三步，安装Anaconda：

Anaconda官网：https://www.anaconda.com/。我使用的版本是：Anaconda3-5.3.1 Windows 64位，资源网址：https://download.csdn.net/download/laboirousbee/11899207。推荐使用Anaconda，在这里可以单独为gpu配置一个python环境，如果在配置过程中或使用过程中出现问题了，直接删除这个环境，重新开始即可。在本地电脑出现问题的话处理起来比较费劲。下载下来正常安装即可，有几个关键的地方如下图设置即可。安装的位置可以不选择C盘，根据自己喜好安装位置。

       

完成后anaconda好像是自己会添加环境变量，如果没有的话，在电脑---->右键---->属性---->高级系统设置---->高级选项卡---->环境变量---->修改Path，根据自己安装的位置增加如下两条：D:\Anaconda3；D:\Anaconda3\Scripts。

安装完成后，在windows的开始菜单中找到Anaconda，然后找到Anaconda Prompt，打开它，类似于windows下cmd，不要弄错了哦。现在创建一个anaconda的gpu环境。TensorFlow支持python3.5和3.6版的，不支持3.7及以上的，所以我安装的是python3.6版本。具体操作如下：

1、创建一个名为gpu的环境
conda create --name gpu python=3.6
2、激活gpu环境
conda activate gpu
3、想要退出gpu环境，返回到base环境
conda deactivate
4、如果在创建过程中出现问题，删除gpu环境
conda remove -n gpu --all

第四步，查看自己电脑的NVIDIA显卡支持的CUDA版本，同时查看Tensorflow需要的CUDA版本：

鼠标放在桌面空白的地方，右键，可以看到NVIDIA控制面板，然后打开。（如果这种办法找不到NVIDIA控制面板，自行百度一下，很容易找到的~~）。如果在NVIDIA控制面板没有找到系统信息，就在上面的的选项卡上选择帮助，里面有系统信息。我的电脑显卡驱动是431.65，类型是DCH，CUDA适用版本10.1。如果想要更新NVIDIA显卡驱动的话，网址：https://www.nvidia.com/Download/index.aspx?lang=en-us。

    

查看显卡驱动对应支持的CUDA，网址：https://docs.nvidia.com/cuda/archive/10.0/cuda-toolkit-release-notes/index.html。

查看Tensorflow需要的CUDA版本：下面第一个图标示出了CUDA10.0版本需要的信息，网址：https://tensorflow.google.cn/install/gpu，下面的第二个图是CUDA9.0及以下的版本需要的信息，网址：https://tensorflow.google.cn/install/source_windows。这两张图非常重要。

图一

图二

第六步，安装Microsoft Visual Studio：

如果安装CUDA10.0版本，支持VS2017版本及以下的，其它版本稳妥的装VS2015。VS2017官网下载网址：https://my.visualstudio.com/Downloads?q=visual%20studio%202017&wt.mc_id=o~msft~vscom~older-downloads，我下载的是VS2017_64位_professional，网址：https://download.csdn.net/download/laboirousbee/11899961。这个安装就按步骤安装即可。

第七步，安装CUDA：

这一步要安装CUDA Toolkit 和 cuDNN（cuDNN需要注册一下，不需要花钱，很简单~~）。先根据驱动版本安装CUDA，再根据第四步中的图一说明安装cuDNN。我的显卡驱动支持CUDA10.0，cuDNN需要7.4以上的版本，所以我下的7.6.3。CUDA网址：https://developer.nvidia.com/cuda-toolkit-archive，cuDNN网址：https://developer.nvidia.com/rdp/cudnn-archive。根据第四步的图一和图二，Tensorflow要求哪个版本的就下哪个版本，举个栗子：让下10.0就下10.0，千万不要下10.1或者其它的，这是所有坑中最大的坑。

CUDA Toolkit安装过程：

这一步的路径可以任意，因为CUDA只是暂时存放一下，一会安装完了，自动被删除了。按OK，然后等待。。。。。。

   

自定义，是为了这一步做准备，所有的对号都打上，因为如果你的版本比它要安装的高，它就不会安装，如果不高的话，就会更新，稳妥起见，还是都选上，然后下一步。

添加环境变量系统路径Path中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp

cuDNN安装过程：

找到CUDA Toolkit，默认的安装路径是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0。将下载下来的cuDNN解压，把解压后里面的三个文件夹里面的单个文件分别对应拷贝到CUDA Toolkit路径下对应的文件夹中。

测试是否安装成功：

启动cmd，输入nvcc -V会出现上面的内容，可以看到安装的CUDA的版本号。

nvcc -V

在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0目录下，用vs2017，打开Samples_vs2017.sln，在Release下，任意选择一个解决方案，重新生成解决方案。第一次编译的时候，会提示找不到”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件，可从这里下载DXSDK_Jun10.exe（网址：https://directx-sdk.en.softonic.com/），安装步骤可以参考：https://jingyan.baidu.com/article/73c3ce28316acee50243d97e.html。重新打开Samples_vs2017，再次编译。

cmd进入到C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release目录下，执行deviceQuery.exe和bandwidthTest.exe，结果如上图。

第八步，安装Tensorflow：

启动Anaconda Prompt，根据第四步的图一，tensorflow需要安装1.13.0版本或更高级的，现在安装1.14版本的。如果安装过程中提示你需要安装其它的包，用conda install安装即可。在这里强调一下，windows下不要尝试pip安装Tensorflow，老老实实地用conda install，这样在后续的Jupyter Notebook或者Anaconda其它应用都是好使的。

1、激活gpu环境
conda activate gpu
2、安装Tensorflow和Tensorflow-gpu 1.14版本
conda install tensorflow=1.14
conda install tensorflow-gpu=1.14

测试：

1、启用python
python
2、导入tensorflow包，查看是否使用GPU
import tensorflow as tf
tf.test.gpu_device_name()

3、查看在使用哪个GPU
from tensorflow.python.client import device_lib
device_lib.list_local_devices()

资源下载：

Anaconda3-3.5.1 Windows 64位：https://download.csdn.net/download/laboirousbee/11899207

Microsoft Visual Studio 2017：https://download.csdn.net/download/laboirousbee/11899961

查看NVIDIA显卡算力：https://developer.nvidia.com/cuda-gpus

Tensorflow官网：https://tensorflow.google.cn/

NVIDIA显卡驱动：https://www.nvidia.com/Download/index.aspx?lang=en-us

Anaconda官网：https://www.anaconda.com/

显卡驱动对应支持的CUDA：https://docs.nvidia.com/cuda/archive/10.0/cuda-toolkit-release-notes/index.html

Tensorflow对应的CUDA版本：CUDA10.0：https://tensorflow.google.cn/install/gpu，CUDA9.0及以下的版本：https://tensorflow.google.cn/install/source_windows

CUDA官网：https://developer.nvidia.com/cuda-toolkit-archive

cuDNN官网：https://developer.nvidia.com/rdp/cudnn-archive

DXSDK_Jun10.exe：https://directx-sdk.en.softonic.com/