win7 + tensorflow-gpu + keras + pyTorch安装 环境搭建

软件环境

环境	版本
Anaconda	3.5.1
visual studio	vs2015
cuda	9.0
cudnn	7.0
python	3.6
tensorflow-gpu	1.9.0
keras	2.2.0
GPU	NVIDIA Quadro P2000

Anaconda安装

1. 在Anaconda的官网上下载需要的版本（Anaconda版本列表）。
2. 双击运行下载得到.exe文件，默认下一步直至结束。
3. 配置Annaconda的环境变量，在系统环境变量中添加路径，本文的路径为： D:\software\Anaconda3.5.1\Scripts
4. 打开cmd命令行进行验证，输入 conda --version 。出现如下窗口，表示anaconda安装成功。

Visual Stutio安装

安装vs2015以上的版本，网络上有其他教程，不再赘述。
vs下载地址为：https://visualstudio.microsoft.com/zh-hans/vs/

CUDA安装

安装cuda前，检测机器的显卡配置及其对应的驱动程序，根据驱动信息下载对应版本的cuda。

1. 查看显卡型号：计算机右键–>管理–>设备管理器–>显示适配器
2. 查看显卡型号对cuda的支持：https://developer.nvidia.com/cuda-gpus
3. 查看显卡支持的cuda版本：计算机右键–>属性–>控制面板主页–>搜索nvidia–>打开nvidia控制面板–>帮助–> 系统信息–>组件
4. 下载cuda的本地安装包。
   cuda下载地址：https://developer.nvidia.com/cuda-downloads
   其他版本的cuda地址为：https://developer.nvidia.com/cuda-toolkit-archive
5. 安装cuda前关闭vs2015，双击下载好的.exe文件，选择默认安装直至安装完成。
6. 配置cuda的环境变量。

变量名	值
CUDA_PATH	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
CUDA_PATH_V9_0	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
NVCUDASAMPLES_ROOT	C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
NVTOOLSEXT_PATH	C:\Program Files\NVIDIA Corporation\NvToolsExt\

7. 在cmd命令行中输入 nvcc -V ，出现下图，表示nvcc 编译成功
   

cudnn安装

1. 注册账号，下载对应的cudnn版本 ，下载地址为：https://developer.nvidia.com/rdp/cudnn-archive

2. 将下载得到的文件cudnn-9.0-windows7-x64-v7.zip进行解压，得到3个子文件夹（bin,lib,include），将这3个子文件夹复制到“NVIDIA GPU Computing Toolkit\CUDA\v9.0”文件夹下（系统会提示已经存在，是否合并，选择确定就可以了），如果找不到文件夹的位置，在C盘搜索CUDA就能找到。
3. 添加环境变量，在path后追加cudnn的bin，本文的环境变量为：D:\cudnn\cuda\bin

pyTorch安装

1.使用conda安装pyTorch时，进入到bash环境或者创建的虚拟环境中
2. 进入pyTorch官网，选择对应的环境和版本信息，网站地址为:https://pytorch.org/
3. 输入conda命令：conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
4. 等待安装完成，完成后进入python环境进行测试

import torch
import torchvision
print(torch)

未出现错误信息，则安装完成

tensorflow-gpu安装

1. 打开Anaconda prompt 创建tensorflow-gpu的虚拟环境

conda create -n tensorflow-gpu-90 python=3.6   
\\在anaconda的 envs文件夹下创建 tensorflow-gpu-90 的虚拟环境，并指定python版本为3.6

2. 等待环境创建完成，然后进入到该环境中

activate tensorflow-gpu-90   \\ 进入刚创建好的环境中

3. 安装指定版本的tensorflow-gpu，也可提前下载对应的tensorflow-gpu的版本。
提供一个阿里云镜像：http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/

pip install tensorflow_gpu-1.9.0-cp36-cp36m-win_amd64.whl

4. 安装完成后进行测试，在该环境中打开python,输入如下代码

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

没有出现错误信息，并输出 b'Hello，TensorFlow!'表示安装成功

keras安装

1. 安装好tensorflow-gpu后，在该环境中使用pip安装keras，并指定keras的版本

pip install keras==2.2

2. 等待安装完成，在python环境下进行测试

import tensorflow as tf
import keras

没有输出错误信息，则表示keras安装成功