Win10配置TITAN RTX应用于TensorFlow-gpu步骤

实验室购置了一个TITAN RTX GPU，需安装在服务器上，记录下配置过程备忘用。

系统及硬件确认

由于需要安装在服务器上，首先要将操作系统改为GPU支持的版本。一般服务器安装版本为 Windows server系列，TITAN RTX 并不支持。在官网下载驱动程序必须版本对应，否则会出现兼容性问题。
将GPU按说明书安装至机箱后，通过设备管理器中显示配适器查看系统是否认新安装显卡，显示名称正确即可。本人安装时出现过server版本不认TITAN RTX 的问题。如需更换GPU或转至其他机器，需关机冷却后再将GPU取出，详见说明书。
推荐使用GPU-Z可以快速查看GPU状态。

安装驱动

NVIDIA驱动程序下载地址

搜索对应显卡型号，操作系统版本下载驱动即可。

选择安装图形驱动程序即可，选项一可能会更新驱动，保持当前驱动版本不变也不一定是坏事，稳定。

安装CUDA

CUDA = Computer Unified Device Architecture
下载前确认好自己想使用的TensorFlow版本以选择CUDA
TF对应cuda与keras版本
CUDA下载地址，我安装的版本是10.1版本。

选择对应操作系统版本，installer type选择上，local会将整个安装文件全部下载好，2G多，而network只包含一个下载客户端，几十兆，后续下载需联网（需要注意防火墙限制以免安装失败）。无本质差异，为不同网络情况的用户而设计，低带宽推荐local下载。

network版本下载客户端需要联网继续下载安装包。

安装cuDNN

https://developer.nvidia.com/cudnn
cuDNN = CUDA Deep Neural Network library
进入之前需要注册账号，免费注册，密码格式3种组合式，忘记密码重置速度极快，好评。

选择对应CUDA版本的cuDNN即可。

本人之前下载全部采用默认路径，将下载好的cuDNN文件解压复制到以下路径内：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

TensorFlow-gpu

本人使用的pycharm，编译器选择C:\ProgramData\Anaconda3\python.exe。下载TensorFlow-gpu，一般自带。

测试以下语句

import tensorflow as tf
with tf.device('/gpu:0'):
	a = 0

运行成功说明GPU配置完成。