安装tensorflow(gpu版)
环境
系统：windows 7
显卡：GeForce 940M
显卡驱动：417.71（25.21.14.1771）
anaconda：2018.12
conda：4.6.7
python：3.6.2
tensorflow-gpu：1.1.0
CUDA：CUDA Toolkit 8.0 GA1 (Sept 2016)
cuDNN：cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0
安装tensorflow-gpu
- 打开Anaconda Prompt，可以配置清华仓库镜：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
- 创建运行环境，并激活环境：
conda create -n tf-gpu python=3.6
activate tf-gpu
- 安装tensorflow-gpu：（不能使用pip，否则安装后不能使用？）
conda install tensorflow-gpu
安装CUDA和CUDNN
CUDA
CUDA（Compute Unified Device Architecture，统一计算设备架构），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
网站： https://developer.nvidia.com/cuda-toolkit
文档：
https://docs.nvidia.com/cuda/
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
安装教程：
https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
首先应该检查CUDA是否支持你的显卡，CUDA支持的显卡有：
https://developer.nvidia.com/cuda-gpus
下载：
所有版本：https://developer.nvidia.com/cuda-toolkit-archive
最新版本：https://developer.nvidia.com/cuda-downloads
下载时版本选择CUDA Toolkit 8.0 GA1 (Sept 2016)：
https://developer.nvidia.com/cuda-80-download-archive
（注意：tensorflow很可能不支持最新版的CUDA，见 https://tensorflow.google.cn/install/gpu）
（下载也有坑，nvidia下载很慢，而且到一半老是中途断开，无法重连服务器，然后就只有重下，浪费了我好几个G流量…建议使用IDM下载器，可以支持8线程同时下载，速度很快还不会断开，我已将IDM安装包和破解上传到百度云：https://pan.baidu.com/s/1qfXUbByuDtTlR9HJLV044A 提取码：8j41）
CUDA 8.0版本的文档：
https://docs.nvidia.com/cuda/archive/8.0/
https://docs.nvidia.com/cuda/archive/8.0/cuda-installation-guide-microsoft-windows/index.html
安装方法： 一直下一步，默认安装即可。
验证： 打开cmd，运行nvcc -V显示版本：
C:\Users\Administrator>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Sat_Sep__3_19:05:48_CDT_2016
Cuda compilation tools, release 8.0, V8.0.44
显示显卡信息C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi.exe：
C:\Program Files\NVIDIA Corporation\NVSMI>nvidia-smi.exe
Tue Mar 12 16:32:43 2019
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 391.24 Driver Version: 391.24 |
|-------------------------------+----------------------+----------------------+
| GPU Name TCC/WDDM | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce 940M WDDM | 00000000:01:00.0 Off | N/A |
| N/A 35C P0 N/A / N/A | 61MiB / 2048MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
显示可用设备C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite\deviceQuery.exe：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite>deviceQuery.exe
deviceQuery.exe Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce 940M"
CUDA Driver Version / Runtime Version 9.1 / 8.0
CUDA Capability Major/Minor version number: 5.0
Total amount of global memory: 2048 MBytes (2147483648 bytes)
( 3) Multiprocessors, (128) CUDA Cores/MP: 384 CUDA Cores
GPU Max Clock rate: 1176 MHz (1.18 GHz)
Memory Clock rate: 1001 Mhz
Memory Bus Width: 64-bit
L2 Cache Size: 1048576 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096
)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 1 copy engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
CUDA Device Driver Mode (TCC or WDDM): WDDM (Windows Display Driver Model)
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.1, CUDA Runtime Version = 8.0, NumDevs =
1, Device0 = GeForce 940M
Result = PASS
如果未显示出gpu，显示的信息为cudaGetDeviceCount returned 38 -> no CUDA-capable device is detected Result，应该是显卡驱动问题，更新显卡的驱动到最新版本。
通过CUDA-Z软件也可以检测，如果未检测到显卡，说明显卡驱动需要更新：http://cuda-z.sourceforge.net/
CUDNN
The NVIDIA CUDA® Deep Neural Network library (cuDNN) is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers.
网站： https://developer.nvidia.com/cudnn
安装教程：
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html
下载：
所有版本：https://developer.nvidia.com/rdp/cudnn-archive
最新版本：https://developer.nvidia.com/rdp/cudnn-download
** 对于CUDA Toolkit 8.0 GA1 (Sept 2016)，下载版本选择cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0，下载链接：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v5.1/prod_20161129/8.0/cudnn-8.0-windows7-x64-v5.1-zip
安装方法：
- 将解压后的三个文件夹bin、include、lib拷贝到CUDA安装根目录下（默认安装路径为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0）
- 在环境变量PATH中添加：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64;
查看电脑GPU和CPU：
import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
if __name__ == "__main__":
print(device_lib.list_local_devices())
结果：
(tf-gpu) C:\Users\Administrator>python
Python 3.6.2 |Continuum Analytics, Inc.| (default, Jul 20 2017, 12:30:02) [MSC v
.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import os
>>> from tensorflow.python.client import device_lib
>>> os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
>>>
... if __name__ == "__main__":
... print(device_lib.list_local_devices())
...
[name: "/cpu:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 16604710572955220293
, name: "/gpu:0"
device_type: "GPU"
memory_limit: 1801740288
locality {
bus_id: 1
}
incarnation: 7449078333642404109
physical_device_desc: "device: 0, name: GeForce 940M, pci bus id: 0000:01:00.0"
]
更新显卡驱动的坑
阶段一
如果deviceQuery.exe显示的信息为cudaGetDeviceCount returned 38 -> no CUDA-capable device is detected Result，应该是显卡驱动问题，更新显卡的驱动到最新版本。
本人显卡型号为NVIDIA GeForce 940M，原驱动版本号为21.21.13.6930。更新显卡驱动遇到了大坑。本来是通过右键计算机的设备管理器，找到显卡，右键属性来更新驱动程序，不料更新过程中直接黑屏，电脑卡死，怎么按都没有反应，等了几分钟后无果，然后强制电源键关机。再次开机之后…完蛋了，进不去系统了，开机电脑黑屏显示：
Windows 未能启动，原因可能是最近更改了硬件或软件。解决此问题的步骤：
1.插入windows安装光盘并重新启动计算机。
2.选择语言设置，然后单击“下一步”。
3.单击修复计算机。
如果没有此光盘请与您的系统管理员或计算机制造商联系，以获得帮助。
文件：\Windows\System32\drivers\nvpciflt.sys
状态：0x0000098
信息：由于关键系统驱动程序丢失或损坏，因此 Windows 无法加载。
系统崩了之后，借别人的电脑使用通用peU盘制作工具把自己的U盘做成了U盘启动盘，然后开机进入BIOS设置U盘优先启动，通过U盘内的系统找到了上面出问题的文件（C:\Windows\System32\drivers\nvpciflt.sys）并将其删除。将BIOS改回去后再次启动，系统能进去了。但是，我的显卡却在设备管理器中检测不到了，因为我删的文件是显卡的驱动文件之一，而且因为显卡出错系统打不开软件，连开始菜单关机都没反应。只好强制电源键关机重启，通过尝试发现显卡在开机后的一小会儿是可以检测的到的，于是乎，趁着这一小会儿，赶紧打开设备管理器器-显卡-右键属性-回滚驱动程序，成功了，驱动程序回滚到了原先的版本，电脑算是恢复了正常。
但是，回滚了之后，显卡驱动并没有得到更新。这次通过360驱动大师来更新驱动，选择了驱动安装-稳定模式，更新的驱动版本号为：21.21.13.7585。这次更新成功了（更新过程中的闪屏是正常的），但是更新完之后…deviceQuery.exe显示的信息还是cudaGetDeviceCount returned 38 -> no CUDA-capable device is detected Result。简直绝望。
继续尝试，发现360驱动大师还有驱动安装-最新模式，于是选择最新模式的版本号：21.21.13.9124，更新驱动。结果…再次黑屏，又是怎么按都没反应…开始怀疑人生。这次没有直接强制关机重启，而是上床睡了两三个小时，起床之后仍然在黑屏，然后就只好强制关机重启了。感觉这次重启又要系统崩溃了，但是！并没有！，神奇地进入了系统，一看驱动版本号，更新成功了！！！运行deviceQuery.exe，终于出现了前述的Detected 1 CUDA Capable device(s) Device 0: "GeForce 940M"，终于终于搞定了，俺滴个亲娘耶。（有可能第一次更新驱动等的时间比较短，虽然黑屏了但是更新可能仍在进行，所以第一次强制关机重启就把系统搞崩了。黑屏肯定是不正常的，可能是因为版本差太多或者兼容性问题什么的，不过更新显卡驱动闪屏是正常的。）
阶段二
本来以为大功告成，但是大约一周之后又出现了莫名其妙的问题…每次跑程序训练完之后总会出现GPU is lost,并且导致 python.exe 停止工作，而且 python.exe 进程怎么也关不掉，或者会出现电脑死机或蓝屏。之前训练没问题的驱动现在又变得不好使了，吐血。
试了很多方法，最后还是继续换驱动，使用360驱动大师换驱动，黑屏，系统崩，开不了机了，修。继续将nvpciflt.sys删掉（实际上是转移到其他位置），这次开机那一会儿显卡都检测不到了，驱动是彻底崩了，有点慌。尝试后发现，再将nvpciflt.sys恢复到原来位置就又可以开机了，并且驱动也显示正常了，玄学。
使用了3次360驱动大师更新显卡驱动，两次都直接黑屏，对其失去了信任，太坑了。所以打算去找NVIDIA的官方驱动。
但是搜索到的驱动版本号都是一些419.67、419.35、419.17、398.11之类，和设备管理显示的驱动版本号很不相同。但我慢慢发现了NVIDIA驱动的命名规则，官网上搜到的5位驱动号其实和设备管理器驱动号的后5位是对应的，比如设备管理器显示21.21.13.9124，那么官网上搜到的版本号就是391.24。深入了解后，391.24是驱动版本号(同时也是上文nvidia-smi中显示的版本号)，而21.21.13.9124是驱动DLL版本号。
使用官网驱动(*.exe)安装果然很稳，从来不会黑屏，更新驱动很顺利就能完成（下载官方驱动仍然建议前面提到的IDM下载器，否则可能中途失败）。我的电脑是神舟战神K640e-i5 D1，显卡是GeForce 940M，前面已经试过的驱动版本有：369.30、375.85、391.24，全都GG。使用官网驱动试过的版本有398.82、417.71、419.35，发现398.82跑完程序会经常蓝屏报错IRQL_NOT_LESS_OR_EQUAL，419.35不跑程序都会无故各种蓝屏、非常不稳定，最终最终，这款驱动可以稳定工作：417.71 !!!（Driver DLL版本: 25.21.14.1771） 终于寻到你，心很累，但用着还没发现什么问题。
这些就是我更新显卡驱动踩过的坑，一把辛酸泪，有遇到相同问题的可以参考。
NVIDIA 的一些有用链接：
(cn-国内域名,com-国际域名)
官网：
https://www.nvidia.cn/
https://www.nvidia.com/en-us/
开发者中心：
https://developer.nvidia.com/
所有显卡驱动：
https://www.nvidia.cn/Download/index.aspx?lang=cn
https://www.nvidia.com/Download/index.aspx
所有显卡驱动历史版本：
https://www.nvidia.cn/Download/Find.aspx?lang=cn
https://www.nvidia.com/Download/Find.aspx?lang=en-us
GeForce显卡驱动：
https://www.geforce.cn/drivers
https://www.geforce.com/drivers
驱动备份与还原：
https://www.nvidia.com/object/notebook_driver_instructions.html
参考：
TensorFlow - GPU 支持
TensorFlow - 使用 GPU
CSDN - Win10下Tensorflow(GPU版)安装趟坑实录
CSDN - 出现“no CUDA-capable device is detected”报错解决
CSDN - tensorflow查看电脑的CPU和GPU
stackoverflow - On Windows, running “import tensorflow” generates No module named “_pywrap_tensorflow” error
stackoverflow - “no CUDA-capable device is detected” with CUDA-capable GPU installed Win7
Helpful Links：
stackoverflow - win10 tensorflow gpu dont work:Device mapping: no known devices
stackoverflow - tensorflow on GPU: no known devices, despite cuda’s deviceQuery returning a “PASS” result
github - mrry/tensorflow_self_check.py: TensorFlow on Windows self-check
CSDN - 【TensorFlow】Windows10 64 位下安装 TensorFlow - 官方原生支持