py3.6_tensorflow1.10.0_cuda9.0_cudnn7.4_gtx1060

1060

一.准备：

            0.如果不是1060显卡，去查支不支持cuda，桌面右键点击NVIDIA控制面板---帮助---系统信息---组件，看NVCUDA.DLL后面写的支持的最高版本（1060是9.2，我装的是9.0，没毛病）

            1.装visual c++（自行google，也就是去ms官网下载，一路智障next，其实先安装anaconda中途会提示安装c++，点确定（电脑要保持联网），自动安装，就不要单独安装了，直接从第2步开始）

            2.装anaconda/py3.6版本（https://repo.anaconda.com/archive/选择Anaconda3-5.1.0-Windows-x86_64.exe，py3.7现在tf有问题，不要用了，18年11月，以后怎么样未知）

            3.pip install tensorflow-gpu==1.10.0 （有些低版本tf版本不支持cuda9，试了几个1.5及以后貌似都是cuda9没问题）

二.安装cuda以及cudnn：

           0.cuda版本问题，tf1.10.0,1.8,1.5版本都试过，需要cuda9.0，安装了cuda9.2都报错：ImportError: Could not find ‘cudnn64_90.dll’  还有什么提示需要cuda9之类的信息，那就换cuda9.0吧，确定了cuda9.0后去下载对应版本的cudnn（官网有对应提示，下载就是了，下之前需要官网注册并填调查问卷，有google账号直接授权注册就好了，just do it）

           1.cuda是一个.exe后缀的显卡运算平台，就当做一个软件吧，下载后直接点击一路next安装（补：换了一台机子出现NVIDIA安装程序失败，可能是显卡驱动问题，卸载显卡驱动但是会留下一些注册信息，还是安装失败，那么下载一个软件彻底清除nvidia的驱动信息，软件链接：https://www.wagnardsoft.com/forums/viewtopic.php?f=5&t=1069，亲测可行，参考blog：https://blog.csdn.net/lcb_coconut/article/details/79228759，这还没完，卸载掉驱动后不要重新装驱动，先按步骤装cuda，cudnn，装完后，这时 import tensorflow 会提示没有gpu driver，这时用鲁大师装个驱动，就可以了，额.......鲁大师装了驱动，可是nvidia控制面板没了，tf无影响，玩游戏的人不知道有没有影响......）

           2.cudnn是一个DeepLearning库，下载后是一个压缩文件，解压缩后是名为cuda的文件夹下面有几个简单的文件，就酱

           3.把解压后文件夹里的cuda\bin下的那个神秘的文件（就一个文件而已）移动到cuda安装目录下相同文件名下（安装在哪个盘就在哪个盘下搜索NVIDIA GPU Computing Toolkit关键字，会找到的，往下一直打开就会发现bin文件）

           4.cuda\include下的那个神秘的文件（就一个文件而已），移动它如步骤3

           5.cuda\lib\x64下的那个神秘的文件（就一个文件而已），移动它如步骤3

           6.添加环境变量 

                   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 

                   上面两个是安装cuda后它会自己添加的（那个v9.0是cuda版本），下面需要手动：

                   CUDA_SDK_PATH = C:\Program Files\NVIDIA Corporation\CUDA Samples\v9.0 （这个路径网上不一样，搜索NVIDIA Corporation或CUDA Samples自己去找到路径，提醒，这个即使找到了NVIDIA Corporation文件夹，它下面也没有CUDA Samples，隐藏文件也没有，输入绝对路径也没有，此时安装盘搜索CUDA Samples却可以搜的到，打开，以后再进入就正常了，不用搜索了，搞不懂）
                   CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 
                   CUDA_BIN_PATH = %CUDA_PATH%\bin 
                   CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 
                   CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
            7.以上操作完就ojbk了，import tensorflow as tf 一下没错就没错了（import 会出现 含有`np.float64 == np.dtype(float).type`，不影响使用，介意的话可以重装低版本numpy，pip install numpy==1.13.3）

 

补：

在使用时，tf会占用gpu所有内存，导致报错：

2018-12-03 14:56:31.483467: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2018-12-03 14:56:32.537019: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1405] Found device 0 with properties: 
name: GeForce GTX 1060 major: 6 minor: 1 memoryClockRate(GHz): 1.6705
pciBusID: 0000:01:00.0
totalMemory: 6.00GiB freeMemory: 4.97GiB
2018-12-03 14:56:32.537307: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1484] Adding visible gpu devices: 0
2018-12-03 14:56:34.566898: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-12-03 14:56:34.567074: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971]      0 
2018-12-03 14:56:34.567186: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:984] 0:   N 
2018-12-03 14:56:34.569916: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1097] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 6144 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060, pci bus id: 0000:01:00.0, compute capability: 6.1)
2018-12-03 14:56:34.571340: E T:\src\github\tensorflow\tensorflow\stream_executor\cuda\cuda_driver.cc:903] failed to allocate 6.00G (6442450944 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY
2018-12-03 14:56:34.572011: E T:\src\github\tensorflow\tensorflow\stream_executor\cuda\cuda_driver.cc:903] failed to allocate 5.40G (5798205440 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY
2018-12-03 14:56:37.515074: E T:\src\github\tensorflow\tensorflow\stream_executor\cuda\cuda_dnn.cc:352] Could not create cudnn handle: CUDNN_STATUS_ALLOC_FAILED

解决办法3种参考：

# 假如有12GB的显存并使用其中的4GB:
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

config = tf.ConfigProto()
config.gpu_options.allow_growth=True
sess = tf.Session(config=config)

export CUDA_VISIBLE_DEVICES=1

本人采用第二种，按需要分配内存，可行，参考来源：https://blog.csdn.net/sunwuhuang1/article/details/53946462

mxnet也有这个问题好像，没啥办法，换一个老版本的mxnet完美解决