Win10-CUDA10.0-Tensorflow-GPU安装流程

Win10-CUDA10.0-Tensorflow-GPU安装流程

前言：目前处于研究生阶段，研究方向是计算机视觉。首先自我检讨，由于懒惰，一直没安装Linux系统，始终在用Win10，这在程序员中属于战五渣行为。2018年间曾给我的另一台win10系统的RTX2060设备安装过一次tensorflow-gpu，当时整个安装过程踩了不少坑，最后才成功安装运行。今年新购入一台计算机(噢耶，解放算力)，需要再次安装tensorflow-gpu，故写此文做记录。
首先列出我的硬件：
GPU:Geforece GTX1660Ti CPU:Intel Core™i5-9400

1.安装Anaconda
(1) 到anaconda官网(https://www.anaconda.com)下载安装包，下载完成后安装。
此处应注意请勿选Add Anaconda to my PATH environment variable，后续自己配置环境，否则容易出错，且出错后卸载很麻烦。

(2) 计算机-高级系统设置-环境变量，在用户变量和系统变量-Path中，添加如下3个目录： D:\Anaconda3、 D:\Anaconda3\Scripts 、D:\Anaconda520\Library\bin
(3) 打开cmd，打开控制台，输入python，回车，出现如下信息，则安装成功。

在控制台输入：conda --version可查看anaconda版本信息。
另外，对于win10系统，安装Anaconda的同时必须安装wget，否则后续在使用命令conda create --name python37 python=3.7创建除了base环境以外的其他环境时，会出现如下错误：

Win10环境下wget的安装非常简单，可参照此篇博客------
https://blog.csdn.net/qq_40962368/article/details/86772419

2.安装Visual Studio 2017
因为cuda10.0的运行需要VS2017，若不安装则CUDA也无法成功安装。
另外，Vistual Studio官网只提供VS最新版本(目前是vs2019)，本人未曾试过vs2019与CUDA10是否匹配。
VS2017版可在网上搜索资源，找到后下载安装即可，过程简单，不多展开叙述。

3.安装CUDA与cuDNN
首先需要注册一个NVIDIA的账号，才能下载NVIDIA的CUDA与cuDNN。
不同GPU有着与之对应的CUDA版本。打开NVIDIA控制面板，查看与你的GPU对应的CUDA型号，如图

点击：帮助-系统信息-组件，就可查看对应的CUDA版本信息。我的CUDA版本就是CUDA10.0，如图：

确定CUDA版本后，下载CUDA ：https://developer.nvidia.com/cuda-toolkit-archive
再下载与之对应的cuDNN版本：
https://developer.nvidia.com/rdp/cudnn-archive

下载完成后，首先安装CUDA，路径可以默认也可以自选。
解压cuDNN，发现其实只是三个文件夹。
进入CUDA的安装目录，如我的是: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，在该目录下，把cuDNN的三个文件夹复制黏贴上

运行-cmd，输入nvcc -V，弹出CUDA版本信息，则CUDA安装成功，如图：

4.安装TensorFlow-gpu
首先创建一个python环境：
运行-cmd，输入conda create --name your_env_name python=3.7
此处name your_env_name是你创建的环境的命名，python=3.7是你想创建的的环境的python版本。
如，我想安装的tensorflow版本是1.12，则我需要安装python3.6，我想给该环境命名为python36，则我在命令窗口输入：
conda create --name python36 python=3.6

该环境安装完成后，以后想启动该环境则在cmd命令窗口下输入：
启动：activate python36
退出：conda deactivate
首先声明，若直接用pip下载安装tensorflow，大概率会出现各种情况不可知的错误(我一把血泪)，故不采用直接pip install tensoflow-gpu这一方法。
下一步：下载编译好的tensoflow-gpu-1.12.0的轮子。这是一热心大佬自己编译的，为我等渣渣提供了极大方便，再次真诚感谢这位大佬。下载地址：https://github.com/fo40225/tensorflow-windows-wheel/blob/master/1.12.0/py36/GPU/cuda100cudnn73sse2/tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
下一步，激活安装好的python3.6环境：activate python36
安装该轮子文件：
pip install 路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
例如我把该轮子文件放在桌面，则我的安装路径是：
pip install C:\Users\Administrator\Desktop\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

至此GPU版tensoflow就安装完啦！

5.测试Tensoflow
打开PyCharm-settings，把先前创建好的python环境加载为解释器

虽然Anaconda创建的叫虚拟环境，但从地址来看，虚拟环境是有实际地址的，就在Anaconda安装路径的envs文件夹下。
随意新建一个.py文件，输入以下代码，运行：
import tensorflow as tf
hello_world = tf.constant(‘hello,tensoflow-gpu’)
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
print(sess.run(hello_world))

结果：

红色字体说明该python解释器识别了计算机的GPU，并用GPU进行计算，至此测试完成。