anaconda cuda路径_anaconda+cuda+cudann+tensorflow环境安装

前几天安装了一下跑tensorflow需要的环境，感觉官方的文档不够详细，很多地方出错了只有上网搜，故把整个流程和经验记录下来。

第一步：安装anaconda

anaconda是一个巨好用的python包管理和环境管理软件，有了它妈妈在也不用担心安装依赖和版本问题了。官方下载很慢，建议用清华镜像站的，我下载的是 Anaconda3-5.3.1-Windows-x86_64.exe，安装的python版本是3.7(最开始没太理解anaconda的作用，看tensorflow官网支持windows的gpu要求的版本为Python3.6，直接重装了3.6.。。。)因为安装的时候推荐自己设置环境变量，所以把anaconda/bin和anaconda的路径都添加到path里了。

创建虚拟环境conda create -n 名字,之后各种东西都在里面装(因为不同项目依赖的东西的版本都可能不一样，如果你只用默认的base，那么将面临无限装卸的循环中，不同环境各成一套体系我觉得更好一些)，然后activate 名字切换虚拟环境。

第二步：安装cuda和cudann

用英伟达控制面板-》帮助-》系统信息-》组件,看一下NVCUDA.DLL的产品名称里面的版本，只能比你安装的cuda版本高不能低(我这一个10.1一个10.0没影响)

跑一下安装cuda后的自带测试C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\1_Utilities\deviceQuery(这里要注意编译的时候如果像stdio.h这些基本库找不到，把项目的SDK换成你 安装的版本就行)，看一看找不着得到你的gpu。

第三步：安装tensorflow

我最开始直接用的pip install tensorflow-gpu，下载的是1.14版本，能跑起来但会提示CPU支持AVX2但是没有编译成的相关库，warning逼死强迫症，上github上找人家编译好的支持gpu,avx2和py3.6的下下来pip install安装了。速度慢的可以上码云上找，很多人fork的。然后提示future numpy什么的，把numpy降级到1.16就没事了。

测试代码如下：

importtensorflow as tfimportnumpy as np

a= tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b= tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c=tf.matmul(a, b)

sess= tf.Session(config=tf.ConfigProto(log_device_placement=True))print(sess.run(c))

第四步：使用jupyter notebook

由于安装anaconda时已经自动安装了，所以只需要使其能切换环境就ok了。在网上找了一下，在base环境下conda install nb_conda,然后在创建的环境中conda install ipykernel，打开网页就能在kernel里改变运行环境了。

小提示：

配置过程中有很多错误提示在网上并没有搜到，按照提示做了也没啥用，重启之后就正常了。所以有搜不到的问题，重启大法好。