win10+RTX2060+VS2017+Cuda10.0+Cudnn7.6+Anaconda3+Pycharm2019搭建过程

写在前面：win10（64位）家庭中文版系统；RTX2060显卡。

1.默认电脑都是装了显卡驱动的，检查一下自己的驱动版本：电脑右下角打开Nvidia图标：我的是442.62版本。提示我有新版本驱动，不过我并没有更新。

若无驱动，去Nvidia官网下载自己的显卡对应的驱动。https://www.nvidia.com/Download/index.aspx?lang=en-us

2. 安装VS，我用的是VS2017企业版本。下载--安装  即可。

3. 安装Cuda 和Cudnn：我选用的版本的Cuda 10.0和 Cudnn7.6.    注：一定要先安装VS，再安装Cuda，否则会出现VS找不到Cuda的情况！！

（1）官方的版本说明中，给出了显卡驱动版本范围对应的Cuda 版本：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 

可知本机的显卡驱动版本（442.62 version）满足与Cuda 10.0的对应条件。

CUDA 下载地址 https://developer.nvidia.com/cuda-downloads ，安装方式：local。有链接说local的下载方式包含了与Cuda匹配的显卡驱动，不知道是不是这样，我一路默认安装，没出现啥问题。

（2）检查并添加环境变量（直接参考https://blog.csdn.net/u013165921/article/details/77891913 和 https://blog.csdn.net/threefourly/article/details/84492563）：Cuda安装成功后，右键计算机属性--高级系统设置--环境变量，可以看到系统变量中存在以下两个变量：

再手动添加几条：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0 
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

 

 

（3）验证Cuda是否安装成功：可直接参考 https://blog.csdn.net/leelitian3/article/details/83272272 

根据以上链接里的讲解，我选用了两种方式进行验证：

A. 命令行测试：cmd打开命令提示符，输入nvcc -V，看到以下信息说明安装成功；

B. 验证deviceQuery和bandwidthTest：打开命令提示符：定位到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite       分别运行 deviceQuery.exe和bandwidthTest.exe，Result = PASS 便说明CUDA安装成功。

注：有的博客讲解里步骤（2）和（3）顺序是反过来的，貌似没啥区别。

（4）下载Cudnn ：下载地址 https://developer.nvidia.com/rdp/cudnn-download

Cudnn下载解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录（默认路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）下。我把Cudnn中的三个文件夹覆盖到cuda的安装目录下时，lib文件夹不知道为啥复制不过去，当时是看文件修改时间才发现，只复制过去了其余两个文件夹。复制过去的时候一定要记得确认一下是否全部覆盖！

注：步骤（2）和（3）的参考链接博客中都对VS进行了配置，我不明白这一步的配置是不是必须的（我按步骤配置完，运行失败，显示找不到cublas.lib 等。就放弃了，希望有明白的大神来解释一下哈~感谢！）

4. 安装Anaconda: （这一部分主要参考了https://blog.csdn.net/qq_27245699/article/details/81050035，以下大部分步骤我都是按照这个博主写的进行的，这里我直接照搬过来了。感谢！）

（1）有官网下载和清华镜像下载两种方式，https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

我用的是 Anaconda3-5.2.0-Windows-x86_64，自带Python 3.6版本。安装anaconda的步骤基本上也是一路默认，除了Advanced options那一部分，我两个都勾上了（建议两个都选上，这样就不用单独配置anaconda环境了）。安装到最后提示我安装VSCode,，上网查了一下，好像不是必须的，就Skip了。

（2）检查是否安装成功：开始--anaconda prompt---输入conda --version，出现以下信息：

（3）检测目前安装了哪些环境: conda info  --envs    

（4）创建python环境，环境名称为 tensorflow：检查目前有哪些版本的python可以安装：conda search --full-name python  

我安装的是python 3.6 版本： conda create --name tensorflow python=3.6 

安装过程中提示 y/n，输入y即可。

输入 activate tensorflow 启动 python（tensorflow）环境；然后输入python，查看安装的python版本：

安装了Python之后，检测目前安装了哪些环境: conda info  --envs  的截图：

5. 安装tensorflow，不是上文的tensorflow (python环境的名称) 哈！

为防止pip不是最新版本导致后续的安装出现错误，先将pip升级到最新（这一步不是必须的，稳妥起见，我先升级了）：首先 activate tensorflow 然后 python -m pip install --upgrade pip

（以下部分主要参考了https://blog.csdn.net/liuyong5573/article/details/85472808 和https://blog.csdn.net/mayunhe_cs/article/details/87216299?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-3 ）

打开命令行；activate tensorflow; 

A.  安装cpu版本的tensorflow：如果输入pip install tensorflow，会自动下载tensorflow（cpu版）最新版本及其依赖，可能会报错，建议改为和下面gpu一样的下载方式：（pip install 路径\tensorflow-1.12.0-cp36-cp36m-win_amd64.whl）或者 命令 pip install https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.12.0-cp36-cp36m-win_amd64.whl

B. 安装GPU版本的tensorflow：之前下载的tensorflow-gpu-1.12.0的轮子，命令：pip install 路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl，即可安装完成。出现超时问题时，同样可按以上方法解决。（轮子下载地址：github上下载大牛build的wheel：https://github.com/fo40225/tensorflow-windows-wheel ，使用的是 ：1.12.0\py36\GPU\cuda100cudnn73sse2）

 

安装过程中可能出现的问题：socket.timeout: The read operation timed out。

查了一下（https://blog.csdn.net/qq_40247705/article/details/90679080）博主说是”由于网速不稳定，下载过慢，超出默认时间，所以只要修改一下响应时间就好了。“
方法如下:
windows下输入 pip --default-timeout=100 install 包名 （这里为：pip --default-timeout=100 install 路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl）
linux下输入 pip --default-timeout=100 install -U 包名

 

我用以上方法并未解决问题，应该是我的网速太不稳定了，卡的一批。后来换了网线，用最初的安装方式（pip install 路径\tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl）安装成功了。

我刚开始是同时安装了CPU和GPU版本的tensorflow，如下图所示：

安装完cpu版本的tensorflow之后再安装gpu版本的tensorflow，会有一些安装包显示已存在（不是报错）：

注：以上同时安装了cpu版本和GPU版本的tensorflow，只想安一个的版本的， 选择对应的其一即可。

后来测试pycharm发现，会自动调用cpu（我想让程序自动GPU运行），就想把cpu版本的tensorflow卸载，但是如上图所示，安装cpu和gpu版本的tf时，有一些安装包是重叠的，担心贸然卸载cpu版的tf，会让gpu版的tf缺失一些包。于是，我把anaconda卸载了。按照以上步骤，重新只安装了GPU版本的tensorflow（在后面的pycharm测试中，显示程序自动调用gpu了）。

-----

以上两个参考链接中，写的时候应该是官方还没有支持Cuda10.0版本的tensorflow-gpu。现在官方给出了经过测试的构建配置：https://tensorflow.google.cn/install/source_windows#cpu

按官方的说明，cuda10.0 + cudnn 7.4 是对应tensorflow-gpu 1.13.0及其以上版本的（pip install tensorflow-gpu==1.13），如下图所示。这里先留个坑，我试完再来~

6. 测试

重新打开prompt，在tensorflow环境下（activate tensorflow）输入：python，然后再输入import tensorflow as tf，没有报错就可以了！（或者输入：import tensorflow as tf （回车）tf.Session() 。没有报错，且能看到GPU的信息，则为成功。若显示找不到dll文件，将命令行关闭后重新再试一遍）

 

https://blog.csdn.net/lcb_coconut/article/details/79228759 后续缺少啥包，就在anaconda prompt里通过 pip install 安装，或者在Anaconda Navigator的tensorflow环境中找到并安装：

7. 安装pycharm并进行配置

安装版本：pycharm 2019

配置：https://blog.csdn.net/wumenglu1018/article/details/88170519 

和 https://blog.csdn.net/mayunhe_cs/article/details/87216299?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-3

选择file——>settings——>project——>project interpreter，点击最右边的那个设置按钮，然后Virtualenv Environment——>Existing environment，在Interpreter里添加你刚刚创建环境的python地址：设置python解释器到anaconda/envs/tensorflow目录下python.exe；

经典的测试代码：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果在cmd中可以import tensorflow，在pycharm中不可以，见：https://blog.csdn.net/mayunhe_cs/article/details/87216299?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-3    的最后部分讲解。
 

8. 完成啦！后续有啥问题我再继续更新~