Python版tensorflow-gpu1.12.0安装说明

导语

在学习或者工作中，Python语言由于其简单的编程方式，在人工智能领域占有一席之地。虽然在编写人工智能代码的速度上优于C++，java，go等语言。但是由于Python语言基于C语言基础上开发，它在运行代码拟合数据时相对速度很慢。为了解决这个问题，TensorFlow开发了基于GPU进行运算的版本。

GPU

所谓GPU(Graphics Processing Unit图形处理器)就是我们常说的电脑显卡。一般电脑程序使用CPU进行运算处理，但是CPU多为整数运算，相对人工智能大量浮点数据而言，可谓是苦不堪言。但是GPU的运算处理是采用浮点形式，使用GPU来处理人工智能代码中的计算，就可以很好的解决代码运行速度慢的问题。相对于CPU版本TensorFlow，GPU版本运行速度可提升近10倍。

安装环境准备

1. pycharm
2. TensorFlow-gpu 1.12.0
3. Python 3.6

具体步骤

1.查看电脑是否支持tensorflow-gpu版本

下面会使用一个小软件用来检测是否可以使用TensorFlow-gpu版本，下面有百度云盘连接地址，可以下载使用

链接：https://pan.baidu.com/s/1H4k7Y9bF7tQ_r5e441rWRQ
提取码：rn2f

打开程序运行，默认电脑有两块GPU，按照下图提示，如果两个GPU中有一个可以支持CUDA操作，就可以安装TensorFlow-GPU版本，否则请安装CPU版本，此文章中不做讲解。

2.安装tensorflow-gpu

安装tensorflow-gpu一般是外网，且安装库较大，建议大家使用下面静态网站下载，下载速度比默认路径快

pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

由于格式问题，请将上述一行整体复制使用

在pycharm下terminal窗口下输入上述指令

3.调整protobuf版本

安装完成后，继续在terminal中输入 pip install protobuf==3.6.0,因为3.6.0以上版本不支持tensorflow，需要降低版本保证tensorflow正常使用

4.下载cuda文件

需要下载CUDA9.0和对应cuDNN文件，以下为下载网址
https://developer.nvidia.com/cuda-toolkit-archive

https://developer.nvidia.com/rdp/cudnn-archive （需要注册下载）

5.安装CUDA

下载完成后，得到如下两个文件，首先运行第一个文件

下面的窗口选择OK

进入安装进度框，过程稍慢，稍等

进入安装程序界面，点击同意并继续

选择精简模式

将多选框打勾，点击Next

进入准备安装阶段（时间稍长）

安装完成后，显示此界面，点击下一步

将勾选取消，关闭即可

6.确认cuda安装，替换环境

使用快捷键win+R打开命令行，使用cmd命令打开黑窗口，编写命令nvcc -V，如果显示框选内容，表示程序安装正确

解压刚才下载的另一个程序

进入解压后的文件，复制三个文件夹

将刚才的内容粘贴到下图路径，替换文件

7.运行tensorflow-gpu

在pycharm中编写程序，查看版本，第一次启动需要初始化，稍作等待，如果显示版本，证明程序安装成功

可以尝试运行其他程序，会显示gpu状态

注意事项及安装失败常见解决方法

如果报缺dll的错误, 一种可能cuda没装好或者bin路径没设置好, 也可能缺vc的dll

tensorflow目前不支持python3.7, 需要用python3.6。可建立多个环境。例如，新建一个环境名：py36，进入aniconda prompt后（默认环境），用命令activate py36可以切换到另一个环境py36。
如果tensorflow最新的版本1.12.0不可用,可装低版本的

以前遇到一位同学操作系统是windows7的, 只能装1.5.0的tensorflow
tensorflow gpu版本，import tensorflow后异常退出，没有任何消息。新建一个环境，安装tensorflow的cpu版本，也出现一样的问题。说明aniconda有问题，需重装aniconda。