CUDA + cuDNN + tensorflow-gpu 安装

---

一、CUDA安装

在安装CUDA之前，先确定支持的CUDA版本

（1）首先打开NVIDIV控制面板

（2）点击系统信息

（3）选择组件，这里支持的最大CUDA版本是9.0，或者9.0以下的版本也可以

---

然后下载CUDA

CUDA官网地址：https://developer.nvidia.com/cuda-toolkit-archive

一开始选择的本地安装，但下载下来打不开，换成联网安装也可以安装成功

下载后双击开始安装

临时解压路径默认即可

选择自定义安装

红框中的取消勾选

安装路径要记住，之后配置环境变量会用到

安装完成！

然后查看系统变量，应该有以下几个

再添加系统变量

最后测试，显示版本号即为安装成功

二、cuDNN安装

tensorflow-gpu和CUDA、cuDNN需要版本对应，一定要根据下图选择对应的版本！

这里选择的cuDNN版本是7，然后就可以到官网下载了

cuDNN官网地址：https://developer.nvidia.com/rdp/cudnn-archive

下载成功后解压，将解压后文件夹中的文件拷贝到CUDA的安装目录下就完成了

三、tensorflow-gpu安装

pip install tensorflow-gpu==1.11.0

测试一下是否安装成功

# -*- coding: utf-8 -*-
"""
测试tensorflow版是否安装正确
"""

import tensorflow as tf
import numpy as np
import time

value = np.random.randn(5000, 1000)
a = tf.constant(value)

b = a * a

c = 0
tic = time.time()
with tf.Session() as sess:
    for i in range(1000):
        sess.run(b)

        c += 1
        if c % 100 == 0:
            d = c / 10
            # print(d)
            print("计算进行%s%%" % d)

toc = time.time()
t_cost = toc - tic

print("测试所用时间%s" % t_cost)
print("Ubuntu测试时间为7.99727988243103")

运行结果

---

参考链接：
https://blog.csdn.net/sinat_23619409/article/details/84202651
https://blog.csdn.net/qq_36909753/article/details/87886263?app_version=5.8.1&code=app_1562916241&csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%2287886263%22%2C%22source%22%3A%22Qi__Xi%22%7D&uLinkId=usr1mkqgl919blen&utm_source=app