安装CUDA + CUDNN + tensorflow-gpu + keras

由于我是电脑白痴，花了整整两天，踩了无数个坑才装好这几样东西，如果有后来者看到希望能帮助大家少踩几个坑。

需要提前确认的事情（必看）

需要提前说的是，这四样东西，可以再加上一个你的python解释器，兼容性低到令人发指，一点不对就会马上报错，所以一定要提前仔细确认，不要嫌麻烦，看好自己的电脑需要装哪个版本的CUDA（一般是在9.0和10.0之间选），其他的cudnn, tf, keras也要根据CUDA的版本严格安装。

1. 自己电脑显卡驱动的版本，在控制面板-程序与功能里可以看到，对应关系可以参考这篇文章里提到的：https://blog.csdn.net/li57681522/article/details/82491617，否则运行的时候就会报错CUDA driver version is insufficient for CUDA runtime version，像这篇文章里说的，不建议重装显卡驱动，可以用选合适的CUDA版本来避免这个报错；
2. 自己的python版本 ，注意是3.6 还是3.7，3.7以上的python不支持1.13以下（不含）的tensorflow，而CUDA 9.0是不支持1.13及以上的，详情见链接（好像需要梯子）：https://www.tensorflow.org/install/source_windows#gpu；也就是说，如果你想用3.7的话就装10.0, 3.6的话就装9.0，当然，能不能装还要看是否符合上面的条件，如果和第一条矛盾的话优先上一条，再下个对应版本的python就好了，就是重新配置环境和装库有点麻烦；
3. 有没有装过tensorflow-cpu版本，如果有的话，记得连keras一起卸载干净，因为keras默认调用cpu版本，不卸载的话装了等于白装。为什么要卸载keras：（在一篇文章里看到的，我也不确定）安装了gpu版本的tf后，再装的keras也是gpu版的了，所以还是需要重新卸载，另一个原因就是版本需要严格匹配，为了保证还是重新安装的时候指定版本比较好；
4. 安装好了以后怎么确认是在用cpu还是gpu：一个简单的办法，任务管理器-性能，看gpu占用率就好，没打开程序的情况下，用cpu训练时gpu占用率一般显示的是0%上下，用的是gpu的话是几乎占满的，很好区分。安好了记得跑程序试一下，不要白高兴一场。

安装CUDA和cudnn

https://blog.csdn.net/sinat_23619409/article/details/84202651
大佬写得挺全的，我就不复制了。只有一点要提醒大家：不要把解压目录和安装目录选成一样的，因为路径会被删除的！！！

安装tensorflow-gpu和keras

1. tensorflow-gpu，上文中提到的链接里面有写对应关系，看好版本兼容性再装！https://www.tensorflow.org/install/source_windows#gpu
   安装的话直接pip install就好，记得指定版本。不知道为什么，我安的是cuda9.0和1.12.0的tf，明明满足条件还是会报错，降到1.8就好了。所以如果安的是cuda9.0的话我个人是比较推荐tensorflow1.8的；
   顺带一提，安这个和keras的时候经常遇到timeout，解决方法：加上两个指令，换源然后再改一下默认超时时间，反正我装的时候只换源是不行的 --default-timeout=100, -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip --default-timeout=100 install tensorflow-gpu==version -i https://pypi.tuna.tsinghua.edu.cn/simple/

2. keras,这个链接里有写一些对应的组合，其他的还需要自己百度一下https://blog.csdn.net/yeyang911/article/details/84968473?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
3. 测试，不多说了，记得测一下有没有成功调用gpu，祝大家成功！