win10下tensorflow_gpu 1.12.0 + CUDA 10.0 + cudnn 7.3+Anaconda3+mx250+python3.7、jupyternotebook

总结：

十分折腾人，浪费了很多时间，记录成功如下。

• 安装版本：tensorflow-gpu 1.12、cuda 10.0130、cudnn 7.3.1.2、python3.6

• 简单来说，查准对应版本，严格执行，不要追求最新版。

• 分为两种，要么是按照官方，规规矩矩的安装；要么下载github上大神编译的tensorflow来安装。我是按照后者装的。

• 创建环境、安装jupyter notebook 其实都可以在 anaconda navigator中完成，不用代码。

基本条件：

• 显卡为nvidia，算力3.0以上
• cuda、cudnn、tensorflow-gpu、python 版本号必须完全对应
• nvidia驱动、Microsoft Visual C++ 2015 Redistributable 随意对应

---

步骤

确定需要的各软件版本、并下载

1. 到大牛的git查看 不同tf版本对应的cuda、cudnn、python 版本tensorflow-windows-wheel
2. 如果有目标tensorflow版本 ，那就直接找对应版本查看；如果没有，那就根据自己电脑nvidia驱动，找最新的tf 版本。

#nvidia-smi 可查看已安装的驱动信息

3. 我需要tf-gpu 1.12版本，anaconda3自带的python3.7版本.所以我选：

• 对应cuda 10.0130、cudnn 7.3.1.2
• sse2和avx2 是不同的指令集，一般较新的电脑cpu都 支持avx。一般运算两者都行，为了稳妥我选了sse2.

4.下载相应 版本软件

• cuda 官网
  

• cudnn 地址需要注册
  注意看准window版本

• tensorflow-gpu下载tensorflow-windows-wheel
  找准自己的版本下载

安装

1. 安装cuda

• 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。
• 常规安装
• 出现以下问题，这个只是临时存放位置，不用在意，退出改为“用管理员身份打开”安装，即可。
  
• 安装过程，选择自定义，然后就可以看到 安装了那些东西，包括 nvidia驱动，不知道怎么勾选就索性全选吧，安装位置c盘默认位置，自动添加入 环境变量中。
  
• 在系统环境变量中可以看到l两个 CUDA_PATH 变量
  
  2. 安装cudnn
• 解压，然后把三个文件夹拷贝到CUDA安装的根目录，即把cuDNN下bin中的dll文件拷贝到CUDA根目录的bin文件夹中，依次拷贝其他文件
  CUDA根目录：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

3. 配置环境变量

• 一定要通过 "此电脑 右键->属性->高级系统设置->环境变量->系统变量->path"的方式设置，
• 双击“path”，“新建”，添加如下：(具体根据自己目录修改）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp;

4. 检验安装

• 查看cuda是否安装成功及版本。

打开cmd，输入如下指令 ：

nvcc -V

• 查看 cuDNN 版本及是否安装

进入 CUDA 的安装目录查看文件 cudnn.h

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include\cudnn.h

显示版本号：7.3.1

• 查看nvidia驱动版本：
  nvidia-smi
  安装过程会自动更新为最新版本
  

创建新环境、安装tf-gpu

#创建新环境，名字 tensorflow，python版本3.7
conda create -n tensorflow  python=3.7

#激活环境
activate tensorflow

#安装tensorflow-gpu
pip install  路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

至此，所有安装完成。

---

测试

1. 方法一

• 导入tensorflow时，可能会出现一大堆文字提醒新版本变化等内容

import tensorflow as tf

tf.__version__
#查看版本
tf.test.is_gpu_available()
#查看是否可以用gpu.输出应该为 TRUE

2. 方法二
   是否使用gpu

import tensorflow as tf
tf.test.gpu_device_name()

其他

1.安装jupyter notebook

pip install jupyter notebook #安装
jupyter notebook  #打开
#这些操作都是在新建的 tensorflow环境下进行

2.pycharm配置

• 如果在cmd中可以import tensorflow，在pycharm中不可以，有两点要注意：
  • 设置python解释器到anaconda/envs/tensorflow目录下python.exe
  • 在pycharm中添加CUDA环境变量 ，详见https://github.com/tensorflow/tensorflow/issues/9530

---

参考文章

1. win10 + tensorflow_gpu 1.12.0 + CUDA 10.0 + Anaconda + RTX 2080 +pyCharm 环境搭建过程
2. TensorFlow1.12.0-GPU+GTX1650+Anaconda3配置记录
3. 参考
4. 参考