基于Anaconda配置Windows10 GTX1650 tensorflow-gpu-深度学习环境
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
文章目录
- 前言
- 一、查看电脑配置
- 二、所需配置的环境（在自己的设备上亲测有效）**
- 三、安装最新版Anaconda及使用
-
- 3.1 安装路径（可以不安装在C盘）。
- 3.2 选择Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，配置会更加方便一些。
- 3.3 等待安装完之后，Anaconda的安装就结束了。
- 四、安装cuda-10.0和cundnn-7.4.1.5
-
- 4.1 Cudnn和CUDA的下载
- 4.2 Cudnn和CUDA的安装
- 4.3 添加 Cudnn和CUDA的环境变量
- 4.4 测完是否安装成功
- 五、安装TensorFlow-GPU-1.13.2及测试
-
- 5.1 在Anaconda中创建创建一个名为tensorflow的环境，该环境的python版本为3.6
- 5.2 激活环境。
- 5.3 安装tensorflow
- 5.4 安装Keras
- 5.5 测试
- 注意事项
- 问题解决方法
- 参考文章
前言
为了方便在windows电脑上配置和管理深度学习环境，可以使用Anaconda进行管理。
如果需要使用GPU进行加速，需要安装cuda和cudnn，
目前常用的深度学习框架有Tensorflow、Keras、Pytorch。其中cuda、cudnn、Python、框架之间的版本需要安装对应的版本。
我目前的电脑是windows10、GTX1650显卡，亲测安装CUDA-10.0、CuDNN-7.4.1.5、Python-3.6、TensorFlow-GPU-1.13.2、Keras-2.2.0可以有效使用。
一、查看电脑配置
我的电脑配置是：
·联想拯救者Y7000
·GTX1650
·Windows 10
二、所需配置的环境（在自己的设备上亲测有效）**
· Anaconda3(64bit)-5.0.1
·CUDA-10.0
·CuDNN-7.4.1.5
·Python-3.6
·TensorFlow-GPU-1.13.2
·Keras-2.2.0 （这个不是必要步骤，是我自己的代码需要，可忽略）（python、CUDA、cuDNN、TensorFlow-GPU对应版本的确认）
三、安装最新版Anaconda及使用
如果想要安装最新的Anaconda，首先登录Anaconda的官网：https://www.anaconda.com/distribution/。直接下载对应安装包就可以。
安装过程：
3.1 安装路径（可以不安装在C盘）。
3.2 选择Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，配置会更加方便一些。
3.3 等待安装完之后，Anaconda的安装就结束了。
四、安装cuda-10.0和cundnn-7.4.1.5
注意，tensorflow是在持续更新的，具体安装的CUDA和cuDNN版本需要去官网查看，要与最新版本的tensorflow匹配。官网对于tensorflow和CUDA以及cuDNN都有更新，并不是最新的才可以用，关键是匹配好对应的版本。再强调一次！对应版本的匹配！！！
4.1 Cudnn和CUDA的下载
网盘下载：
链接: https://pan.baidu.com/s/1znYSRDtLNFLufAuItOeoyQ 提取码: 8ggr
官网下载：
cuda10.0官网的地址是：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
cudnn官网的地址是：https://developer.nvidia.com/zh-cn/cudnn?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
需要大家进去后寻找7.4.1.5。
下载完之后得到这两个文件。
4.2 Cudnn和CUDA的安装
下载好之后可以打开exe文件进行安装。
选择自定义安装。然后直接点下一步就行了。
安装完后在C盘这个位置可以找到根目录。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后大家把Cudnn的内容进行解压。
把这里面的内容直接复制到C盘的根目录下就可以了。
4.3 添加 Cudnn和CUDA的环境变量
“此电脑”上单击右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_0两个环境变量
接下来，还要在系统变量中添加以下5个变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDASamples\v10.0(这是默认安装位置的路径，如果自己路径设置安装成功的话就用自己的路径)
CUDA_LIB_PATH =%CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH= %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
然后，在系统变量 Path 的末尾添加：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v8.0\lib\x64 （这些均为默认路径，有需要的话自行修改）
C:\Program Files\NVIDIAGPU Computing Toolkit\CUDA\v8.0\bin
C:\ProgramData\NVIDIACorporation\CUDA Samples\v8.0\common\lib\x64
C:\ProgramData\NVIDIACorporation\CUDA Samples\v8.0\bin\win64
4.4 测完是否安装成功
添加完之后CUDA就算安装完成了，接下来检验是否安装成功。
打开cmd，
cd CUDA安装路径\NVIDIAGPUComputingToolkit\CUDA\v9.0\extras\demo_suite
分别执行命令：
bandwidthTest.exe
deviceQuery.exe
若执行两项命令后的显示结果都为PASS，则代表CUDA10.0安装成功。
五、安装TensorFlow-GPU-1.13.2及测试
5.1 在Anaconda中创建创建一个名为tensorflow的环境，该环境的python版本为3.6
打开Anaconda Prompt，进入Anaconda命令行管理界面。
配置国内清华仓库镜，以此来获得较快的安装包下载速度。输入指令：
conda config --add channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
创建创建一个名为tensorflow的环境，该环境的python版本为3.6
此环境与Anaconda中其它环境隔离，输入“y“和回车后开始安装。
conda create –n tensorflow-gpu python=3.6
5.2 激活环境。
activate tensorflow-gpu
5.3 安装tensorflow
使用 conda 安装，可能速度较慢，可能会出现下载失败的现象，因此可以添加清华源，下载速度变快。这里我用的是清华镜像源，输入指令如下：
conda install tensorflow-gpu==1.13.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
也可以使用pip安装
pip install tensorflow-gpu==1.13.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
5.4 安装Keras
conda install keras==2.1.15 -i https://pypi.tuna.tsinghua.edu.cn/simple
5.5 测试
测试一下是否能import tensorflow，此时，一定要进入到新建的tensorflow-gpu环境中，不要在base环境下，首先激活tensorflow环境，然后进入python
接着一条条输入指令：
import tensorflow as tf
hello = tf.constant("Hello,TensorFlow！")
sess = tf.Session()
print(sess.run(hello))
sess.close()
此时，打印输出为：
至此，安装全部完成！
注意事项
1。选择好与自己设备兼容且python+tensorflow+CUDA+cuDNN之间版本的匹配（划重点），否则自动安装最新版本，使用会报错。
问题解决方法
1.from numpy.testing.nosetester import import_nose报错 ModuleNModuleNotFoundError: No module named ‘numpy.testing.nosetester’
原因：
numpy、scipy版本不兼容。
解决方法：
将所有的包都更新到最新版本。
【可添加清华源 -i https://pypi.tuna.tsinghua.edu.cn/simple】
pip install --user --upgrade numpy
pip install --user --upgrade scipy
更新完后，重新打开Jupyter NoteBook即可
参考文章
https://blog.csdn.net/qq_43887455/article/details/107367570
https://blog.csdn.net/zZZZZZZZZ_qk/article/details/104598938