数据挖掘之旅——从Tensorflow-gpu（Win10）安装开始
0. 引言
由于研究方向和个人爱好的指引，从此走上了数据挖掘的不归路。之前在日常的学习生活中接触有较多的数据挖掘知识，即便是后来又对深度学习展开学习，但大都基于MATLAB实现的。而Tensorflow的学习知之甚少，而且毕业以后，也鲜有公司将MATLAB作为开发软件。所以，就此展开对Tensorflow的学习。
1. Tensorflow的简介
Tensorflow主要有两种版本，一种是CPU版本，一种是GPU版本。CPU版本的安装相对简单，该版本只使用CPU。但是在学习深度神经网络的时候，会面临训练大型网络或者大规模数据的情况，这时候GPU版本的表现就会好很多。
2. Tensorflow-GPU版本的安装
在安装Tensorflow-GPU版本的时候共有如下几步：
2.1 Anaconda的安装
Anaconda内置了数百个Python经常使用的库，其中有很多还是Tensorflow所依赖的库。它是目前最好的科学计算的Python环境。所以采用Anaconda作为Tensorflow的Python环境。由于我之前在项目中有涉及Python及Anaconda的使用，所以Anaconda的安装就不再赘述。可以去官网下载与系统对应的版本，然后一直“下一步”即可。在进行下面的步骤时，请各位在Tensorflow官网查阅几个软件之间的搭配问题。
2.2 CUDA的安装
Tensorflow-GPU版本仅对CUDA支持较好，而CUDA是NVIDIA推出的使用GPU资源进行通用计算的SDK，其安装包里一般集成了显卡驱动。因此，我们的硬件设施里需要一块NVIDIA显卡。
装备好NVIDIAi显卡后，可前往官网下载CUDA。
https://developer.nvidia.com/cuda-downloads
下载完成后，安装并下一步。安装完成后把CUDA安装目录下的“bin”和“lib\x64”添加到Path环境变量中
此电脑→高级系统设置→环境变量→Path(在系统变量中寻找，图1.1)→编辑→浏览→找到对应的文件添加即可。
2.3 cuDNN的安装
cuDNN是NVODIA推出的深度学习中CNN和RNN的高度优化实现。目前绝大多数的深度学习框架都使用cuDNN来驱动GPU计算。可前往官网下载cuDNN。
https://developer.nvidia.com/rdp/cudnn-download
解压压缩包，把压缩包中bin、include、lib中的文件分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目录下对应目录中
把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64\cupti64_80.dll拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin中。
2.4 Tensorflow的安装
Tensorflow的安装采用Anaconda Prompt，如果之前有安装CPU版本的需要先删除该版本。用“pip uninstall tensorflow”，如下图：
卸载完成后，一般可以采用用“pip install tensorflow-gpu”进行tensorflow-gpu的安装，但是下载一般采用国外源，网速会很慢。可以将其修正为国内pip镜像源进行下载，常用的国内pip镜像源包括：
（1）阿里云：http://mirrors.aliyun.com/pypi/simple/
（2）豆瓣：http://pypi.douban.com/simple/
（3）清华大学：http://pypi.tuna.tsinghua.edu.cn/simple/
（4）中国科学技术大学：http://pypi.mirrors.ustc.edu.cn/simple/
以清华大学为例，具体代码为：“pip install --index-url http://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu”，如下图所示：
然后各位就可以静待安装完成了，如果安装过程顺利，各位可以在Python中介入“import tensorflow as tf” 检查是否正确安装。如若没有安装过程顺利，可参见第3节的问题总结。
3. Tensorflow-GPU版本的安装过程中出现的问题
本来想记录一下我在安装过程中出现的问题，以方便各位和我在以后有需要的时候及时查看。可是不幸的是，中间电脑出现了一个状况，导致之前的一些记录全部没有了，所以只能凭借记忆回忆安装过程的问题了。小弟也是在安装过程中出现问题就查百度和Google，该方法至少在我的电脑上是实现了。如若各位无法实现，还望各位多问问百度和Google，毕竟适合自己的方法才是最好的。哈哈哈哈~~
在Prompt中采集并安装Tensorflow过程中，出现的第一个问题是“You should consider upgrading via the ‘python -m pip install --upgrade pip’ command.”，要求我升级pip，这个可以按照提示输入“python -m pip install --upgrade pip”
但是该命令执行后，又报错了。出现的第二个问题是“typeerror parse() got an unexpected keyword argument transport_encoding”。
这里面方法有三个，但是我只有第三个对我来说是有效的，都写下供各位参考。
（1）conda install -c anaconda html5lib
（2）conda install pip
（3）找到C:\Users\Administrator\Anaconda3\Lib\site-packages\pip\index.py文件，用Python将其打开，找到730行的“transport_encoding=encoding”，将其注释掉，并保存。由此整个Tensorflow过程就没问题了。
然而，问题并没有就此结束。当我在Spyder中输入“impor tensorflow as tf”，居然又双叒叕报错了。但是不幸的是，这第三个问题我真的忘记了，好像是“ImportError:numpy.core.multiarray failed to import”。为了不做出误导，只能有缘在记录了。
总结下来，Tensorflow-gpu的安装是费时费力，也很费心。既然选择了入坑，还是要秉持新年坚持下去，加油~~
