TensorFlow-gpu安装和测试（TensorFlow-gpu1.14+Cuda10）

TensorFlow的GPU版本安装与测试（TensorFlow-gpu1.14+Cuda10）

	利用Anaconda进行TensorFlow-gpu1.14和CUDA10的安装和调用，CUDA和Tensor Flow的版本存在对应关系，
亲测TF1.14+CUDA10可用。本文中CUDA是利用conda指令离线安装，不会存在下载速度较慢，或者数据包下载
不下载的问题。
*有问题欢迎一起讨论，祝好！！！*

1.CUDA10安装

 1.1cudatoolkit和cudnn安装包的获取
 1.2 cudatoolkit和cudnn安装（conda指令安装）

可以参考文章：安装包获取与安装（conda版）

1.1cudatoolkit和cudnn安装包的获取
    a.在清华镜像中下载安装包，首先利用镜像的网址进入清华镜像。
      清华镜像网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
    b.在镜像中利用快捷键ctrl+F搜索cudatoolkit和cudnn的安装包，点击下载.
      注意cudatoolkit和cudnn版本对应，镜像中注意文件版本一致，如图1.1,1.2所示。

图1.1cudaltlloolkit下载
图1.2cudnn下载

这里下载cudatoolkit-10.0.130-0.conda和cudnn-7.3.1-cuda10.0_0.conda。后缀.conda的文件可以利用conda语句安装。

1.2 cudatoolkit和cudnn安装（conda指令安装）
	 在cmd命令框下，跳转到cudatoolkit-10.0.130-0.conda和cudnn-7.3.1-cuda10.0_0.conda所在的文件夹
     利用conda install 指令进行安装。

注意路径和安装名不要有错误

conda install cudatoolkit-10.0.130-0.conda
conda install cudnn-7.3.1-cuda10.0_0.conda

2.TensorFlow-gpu=1.14.0安装

注意安装TensorFlow时容易出现下载超时情况，这是因为利用pip install直接安装时，是从国外的镜像进行资源下载。
因此，我们在安装时，应该多使用清华镜像。安装方法如下：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ tensorflow-gpu==1.14.0

至此Tensorflow安装结束，接下来进行测试。

3.TensorFlow-gpu测试

首先进入python，在python下，依次使用以下指令。观察输出的参数是否是gpu版本即可

import tensorflow as tf
sess = tf.Session()     #这句运行后会返回GPU的信息，如图3.1所示。若只有cpu信息，则安装失败
a = tf.constant([1,2,3],shape=[3],name='a')
b = tf.constant([1,2,3],shape=[3],name='b')
c=a+b

图3.1 sess=tf.Session返回gpu信息效果图

这里使用的MX150 gpu,信息均已返回
至此安装结束。

4.TensorFlow-gpu实际调用设置

在实际项目中，在调用TensorFlow-gpu时，还需要进行设置，设置代码如下，只需要将下列代码放在python文件中即可。

import tensorflow as tf
import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"   
os.environ["CUDA_VISIBLE_DEVICES"] = "0"    #这里是gpu的序号，指定使用的gpu对象
config = tf.ConfigProto()
config.gpu_options.allow_growth = True

以上为全部内容，欢迎一起讨论，祝好！！！