win10安装CUDA10.0+ cuDNN 7.6.5+ Anaconda3 +tensorflow

官方教程：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/

硬件要求

表1. CUDA  10.2中的 Windows操作系统支持

操作系统	本机x86_64	十字架（x86_64上的x86_32）
Windows 10	是	是
Windows 8.1	是	是
Windows 7	是	是
Windows Server 2019	是	没有
Windows Server 2016	是	没有
Windows Server 2012 R2	是	没有

软件要求

通过Windows设备管理器中的“ 显示适配器”部分来验证您具有支持CUDA的GPU 。在这里，您可以找到显卡的供应商名称和型号。如果您有http://developer.nvidia.com/cuda-gpus中列出的NVIDIA卡，则该GPU具有CUDA功能。CUDA工具包的发行说明还包含受支持产品的列表

安装驱动：https://www.nvidia.com/download/index.aspx?lang=en-us

下载CUDA工具包：http://developer.nvidia.com/cuda-downloads

安装CUDA软件

注意：必须安装驱动程序和工具包，CUDA才能运行。如果尚未安装独立驱动程序，请从NVIDIA CUDA Toolkit安装驱动程序。

注意：如果在安装开始后启动Windows Update，则安装可能会失败。等待Windows更新完成，然后重试安装。

 

选择自定义安装。

1，尽量将组件中的NVDIA GeForce Experience选项勾掉。有的人可能认识这个，这不调游戏画面参数的那个嘛。咳咳，这个是NVDIA提供给用户的一个类似于控制面板的东西，但是目前电脑装机一般都给安装了；而且就算是没有，这个东西对我们显卡加速程序是没有帮助的。

2，在组件CUDA中将Visual Studio Intergration取消掉。这个还是蛮有意思的，因为这个组件是专为VS配置的，但是现在使用的代码编译器基本都是vscode，pycharm等轻量编译器之流，用VS就比较没意义了；我在网上还看见一个说法，这个必须取消掉，不然没法正确安装。反正取消就完事了。

3，

CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。上图可以看出，该显卡驱动版本是411.31。划重点：“当前版本”这一栏会显示你目前电脑上的显卡驱动型号，比如上图所示，我的电脑目前驱动是430.86，这个数字大于411.31，说明版本更新一些。如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！不然CUDA安装发现你现有的比我要安的还高级，我还安个锤子，就会出现安装失败的错误；如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，驱动版本不够新，CUDA也运行不了。如果巧了当前版本与新版本一模一样，那勾不勾选随意。

 

 

验证安装

在继续之前，重要的是要验证CUDA工具包可以找到具有CUDA功能的硬件并与之正确通信。为此，您需要编译并运行其中一些示例程序。

可以通过运行以下命令来检查CUDA工具包的版本 nvcc --version在 命令提示符窗口中。您可以通过以下方式显示命令提示符窗口：

开始>所有程序>附件>命令提示符

CUDA示例包括源形式的示例程序。要验证硬件和软件的正确配置，强烈建议您构建并运行deviceQuery示例程序。可以使用提供的VS解决方案文件来构建样本，并且编译后的可执行文件可以位于：

C：\ ProgramData \ NVIDIA Corporation \ CUDA Samples \ v 10.2 \ bin \ win64 \ Release

假定您使用默认的安装目录结构。如果正确安装和配置了CUDA，则输出应类似于图1。

图1. deviceQuery CUDA示例的有效结果
 

确切的外观和输出线在您的系统上可能会有所不同。重要的结果是找到了设备，该设备与系统中安装的设备匹配，并且测试通过了。

如果安装了具有CUDA功能的设备和CUDA驱动程序，但 deviceQuery 报告没有可用的CUDA设备，请确保已正确安装设备和驱动程序。

运行 带宽测试 程序，与 deviceQuery以上，确保系统和支持CUDA的设备能够正确通信。输出应类似于 图2。

图2.来自带宽测试CUDA示例的有效结果
 

 

设备名称（第二行）和带宽号因系统而异。重要的项目是第二行（确认已找到CUDA设备）和倒数第二行（确认已通过所有必要的测试）。

如果测试未通过，请确保您的系统上确实有支持CUDA的NVIDIA GPU，并确保已正确安装。

要查看CUDA可以做什么的图形表示，请在以下位置运行示例Particles可执行文件

C：\ ProgramData \ NVIDIA Corporation \ CUDA Samples \ v 10.2 \ bin \ win64 \ Release

安装cuDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-windows

最新显卡匹配关系：https://github.com/fo40225/tensorflow-windows-wheel

点击cuDnn下载CUDA10.1对应的版本。这个是深度神经网络的GPU加速库。下载需要注册，可能稍微费时一点。

解压后把cuDNN中bin，include，lib文件夹下的文件对应的复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1中相对应文件夹即可。

设定路径

For example, if the CUDA Toolkit is installed to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 and cuDNN to C:\tools\cuda, update your %PATH% to match:

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%

打开命令行工具，输入 nvcc -V测试是否配置成功

安装anaconda

打开anaconda prompt，输入conda create --name tensorflow36 python=3.6

激活tensflow的环境：activate tensorflow36

切换到tensorflow的环境：activate tensorflow36

conda install tensorflow

安装jupyter notebook 和 spyder

conda install ipython

conda install jupyter

执行jupyter notebook，输入import tensorflow astf运行无错误，则安装成功

conda install spyder

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

 

参考：https://blog.csdn.net/m0_37872216/article/details/103136477