Win10 Anaconda下TensorFlow-gpu环境搭建详细教程（包含cuda+cudnn安装过程）

前言

配置环境，研究了一整天，踩了很多坑，在网上找了很多资料，发现基本上都没非常明确的教程，所以今天想分享一下配置tensorflow GPU版本的经验，希望能让各位朋友少走些弯路。（PS：一切的前提，你需要有一张Nvidia显卡。我的显卡是3090）

Tensorflow有两个版本：GPU和CPU版本，CPU的很好安装；GPU 版本需要 CUDA 和 cuDNN 的支持，如果你是独显+集显，那么推荐你用GPU版本的，因为GPU对矩阵运算有很好的支持，会加速程序执行！并且CUDA是Nvidia下属的程序，所以你的GPU最好是Nvidia的，AMD的显卡没有CUDA加速！满足以上条件之后，你需要查看一下你的英伟达GPU是否支持CUDA。

你也可以点击查看你的GPU是否支持CUDA
满足以上条件之后，你就可以安装Tensorflow了！

第一步：安装Anaconda

1、下载和安装

下载地址：[https://www.anaconda.com/products/individual](https://www.anaconda.com/products/individual）

我系统是64位，所以下载64-Bit Graphical Installer (631 MB) ，之后就是进行安装了。

和安装其他软件没有什么区别，需要注意的是这一步，不要勾选**“Add Anaconda to my PATH enviroment variable”，我们后面会手动加入。

接下来就是等待了，安装结束后需要测试是否能正常使用，打开CMD输入“conda”命令，发现提示“‘conda’ is not recognized as an internal or external command, operable program or batch file.”

这是由于我们没有配置环境变量的原因

2、配置Anaconda环境变量

我们点击左下角搜索栏搜索“环境变量”，选择系统变量的“Path”，点击“编辑”
将以下三个路径加入，注意这里要换成你自己的安装路径。

C:\Users\ww\AppData\Local\Continuum\anaconda3
C:\Users\ww\AppData\Local\Continuum\anaconda3\Scripts
C:\Users\ww\AppData\Local\Continuum\anaconda3\Library\bin

然后点击“确定”保存，这回再测试一下，再cmd中输入“conda -V”，能正常显示版本号，证明已经配置好了。

第二步：安装TensorFlow-gpu

1、创建conda环境

通过调用下列命令，创建一个名为“tensorflow”的conda环境：

conda create -n tensorflow pip python=3.5

等待相应包的安装，如果国内网络太慢的话，可以为conda设置豆瓣源，这样速度能快一点，具体配置过程，网上查一下吧，此处不再讲述。如果看到这样的提示，就证明conda环境创建成功。

2、激活环境

通过以下命令激活conda环境：

activate tensorflow

这样就进入了刚创建的“tensorflow”环境。

3.安装tensorflow-gpu

安装GPU版本的tensorflow需要输入以下命令：

pip install -i https://pypi.douban.com/simple/  tensorflow-gpu==1.8.0

在这里使用豆瓣源安装指定版本，速度很快且稳定，推荐豆瓣源不推荐清华源！！！

这样就安装成功了。

注意：务必注意一点，在安装完tensroflow后，由于我们是新创建的conda环境，该环境中基本上是空的，有很多包和IDE并没有安装进来，例如“Ipython”，“spyder”此时如果我们在该环境下打开spyder/Ipyton/jupyter notebook等，会发现其实IDE使用的kernel并不是新建立的这个环境的kernel，而是“base”这个环境的，而“base”环境中我们并没有安装tensorflow，所以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。

通过以下命令安装Anaconda基础包

conda install anaconda

这回，我们测试一下是否能import tensorflow

程序报错，这是由于我们虽然安装好了tensorflow-gpu，但是还需要安装CUDA Toolkit 和 cuDNN。

第三步：安装CUDA Toolkit + cuDNN

1、查看需要安装的CUDA+cuDNN版本

注意，tensorflow是在持续更新的，具体安装的CUDA和cuDNN版本需要去官网查看，要与tensorflow匹配。

2.下载CUDA + cuDNN

在这个网址查找CUDA已发布版本：
https://developer.nvidia.com/cuda-toolkit-archive

进入下载界面

同时也要下载CUDA9.0对应的四个补丁（10.0版本貌似没有补丁）：

下载好CUDA Toolkit 9.0 后，我们开始下载cuDnn 7.0，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的。登陆账号后才能下载。
cuDNN历史版本在该网址下载：https://developer.nvidia.com/rdp/cudnn-archive


这样，我们就下载好了 CUDA Toolkit 9.0、CUDA的四个补丁 和 cuDnn 7.0，下面我们开始安装

3、安装 CUDA Toolkit 9.0 和 cuDnn 7.0

至关重要的一步：卸载显卡驱动
由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的，所以如果我们已经安装了nvidia显卡驱动（很显然，大部分人都安装了），再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法正常使用，这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以务必要删除电脑先前的显卡驱动。

安装

此处选择“自定义（高级）”

勾选所有

一路通过即可！

下一步

另外四个补丁也打开安装，一路通过即可！不要考虑安装到哪了，默认安装就好！

接下来，解压“cudnn-9.0-windows10-x64-v7.zip”，将以下三个文件夹bin include lib\x64里的文件，分别拷贝到CUDA安装的根目录下的bin include lib\x64下。

这样CUDA Toolkit 9.0 和 cuDnn 7.0就已经安装了，下面要进行环境变量的配置。

配置环境变量

将下面四个路径加入到环境变量中，注意要换成自己的安装路径。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

到此，全部的安装步骤都已经完成，这回我们测试一下。

第四步：测试

1.查看是否使用GPU

在activate tensorflow后，输入python命令进入python编辑环境
输入一下代码：

import tensorflow as tf
tf.test.gpu_device_name()

2.查看在使用哪个GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

好了大功告成！

希望这篇博文能给大家带来帮助，如果觉得写得可以，可以给博主点波关注~