深度学习 tensorflow-gpu for Win10-64bit安装踩坑流程（cuda9.2 ，cudnn7.1）

一、本机配置

※Win10 64bit（ver1803）

※CPU：i5-8300H

※GPU：GTX1060（6GB）

二、安装文件

※VS2017：点击下载

※Anaconda3：下载地址(最新版本为5.2，云盘里传的是我以前下载的5.1)

※CUDA9.2：点击下载

※cudnn7.1：点击下载

※tensorflow1.8.0-gpu：点击下载

备注：tensorflow版本与cuda、cudann的版本要严格对应，否则后续编译会报错。

安装需要文件网盘集合：百度云盘，密码：5kud

后续我会把所有用到的安装文件上传到百度云盘上，发出来

三、安装过程

※VS2017-Community安装

上面链接文件是要联网下载版本文件，运行之后下载后续安装。

VS2017安装我只选了C++的桌面开发组件。安装过程一直点默认就ok，具体安装项目按自己需求来安装。

※安装Cuda9.2

从官网下载下来最新版本 Cuda_9.2.148_win10.exe

选择离线下载版，1.5Gb。

Cuda9.2_for_win10

最新版的Cuda9.2已经没有patch补丁包下载了，所以下载完之后选择点安装，按默认安装路径安装即可。

默认解压路径

自定义安装选项

自定义安装选项， 我是选择了所有组件 ，并成功完成安装。从以前的安装流程来看，有人出现过勾选“Visual Studio Intergration”组件安装后，掉显卡驱动的现象。所以是否勾选此组件，请自己斟酌。一路点过去，完成CUDA9.2安装。

给CUDA设置环境变量

在用户变量Path下添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.2

在系统变量中添加如下几个变量：

 CUDA_SDK_PATH = C:\ProgramData\NVIDIACorporation\CUDA Samples\v9.2

 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

※cudnn安装

CUDA9.2对应的cudnn版本文件可以从NIVIDA官网下载（上文附出）。cudnn文件从官网下载的话需要注册一下NIVIDIA账户，记录开发者信息。

本文安装的为最新发布的cuDNN v7.1.4(May 16, 2018),for CUDA 9.2

cuDNN v7.1.4

解压cudnn-9.2-windows10-x64-v7.1.zip，将文件夹里的文件copy到CUDA的安装目录并覆盖并替换

CUDA拷贝目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2

至此，完成cuDNN安装

※安装Tensorflow-gpu 1.8.0

从上面链接下载到的离线文件，为tf-gpu1.8的离线安装包，只需要以管理员身份打（非管理员身份安装会报错，拒绝访问）开Anaconda的控制台，

输入命令行：pip install [文件路径]\tensorflow-gpu1.8.0.whl

至此安装基本结束。

Tips：跟换pip 镜像源为清华源。（ 可能很多人已经换过了，这儿重新贴一下 ）

修改源方法：

临时使用：

可以在使用pip的时候在后面加上-i参数，指定pip源

eg: pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple

永久修改：

linux:

修改 ~/.pip/pip.conf (没有就创建一个)， 内容如下：

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows:

直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下：

[global]

index-url = https://pypi.tuna.tsinghua.edu.cn/simple  #清华源镜像，也可以选别的换

pip国内的一些镜像

 阿里云                   http://mirrors.aliyun.com/pypi/simple/

 中国科技大学        https://pypi.mirrors.ustc.edu.cn/simple/

 豆瓣(douban)        http://pypi.douban.com/simple/

 清华大学               https://pypi.tuna.tsinghua.edu.cn/simple/

 中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

四、结果验证

既然装了Anaconda，就用Jupyter来验证Gpu版本的Tensorflow是否可用好了。

import tensorflow as tf

a = tf.test.is_built_with_cuda()

b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)

print(a)

print(b)

True

True 返回值就是代表Cuda与GPU处于可以用于计算了，至此安装结束。