Win10+CUDA10.0+Tensorflow-gpu1.13.1+cudnn10.0_v7.4.1.5 （详细配置步骤教程）

前提说明
1. 安装前的环境：
2. Cuda10.0
3. cudnn 7.4.1
- 3.1 cudnn下载
- 3.2 cudnn_7.4.1解压与使用
3. 配置环境变量
4. 验证环境变量是否配置成功
5. 测试cuda
6. 配置Tensorflow-gpu等库包
7. 补充：
- 7.1 多个版本的cuda之间可以切换
- 7.2 tensorflow 经过测试的构建配置( CPU / GPU )
参考文献：

前提说明

配置环境可能会与自己的电脑的硬件配置有关，这里首先说一下笔者的电脑配置供参考：
联想拯救者Y7000p
CPU：Intel Core i5-9300HF
GPU：NVIDIA GeForce GTX1660 Ti
64位操作系统

刚开始配环境，都会很头大，如果有人指导，会少走很多弯路，但是也少了一些摸索和感受，还好网上有很多分享，虽然不能一步到位的解决自己的问题，多翻翻和自己类似的问题，总能试出解决自己的方法。

1. 安装前的环境：

安装前我的系统里已经下载了 Anaconda 3 ，在Pycharm下创建的虚拟环境（非conda的主环境），是我用来跑训练的一个虚拟环境

这里主要说一下安装 Cuda10.0 + cudnn10.0_v7.4.1.5 以及配置系统变量的过程，至于 Tensorflow-gpu1.13.1 + python3.6 + opencv3.4.1 + Numpy1.14 利用 conda 的命令行可以直接激活虚拟环境，在需要的虚拟环境中下载相应版本的安装包。

Anaconda 是一个很好用的管理环境的软件，推荐需要配置环境的新手童鞋们，去了解下怎么使用，它可以很好的帮助你管理和创建不同版本python下虚拟环境，详情链接: Anaconda介绍、安装及使用教程.

Anaconda 并不是管理和运行虚拟环境的必要的，在Windows中不使用也可以的，如果你已经使用pycharm等编辑器创建了Windows下的虚拟环境，也跳过 Anaconda 直接进行安装配置。

2. Cuda10.0

2.1 下载安装包

2.1.1 云盘分享Cuda10.0安装包

cuda10.0 安装包大小在2G左右，为了下载方便一点，这边云盘分享下 Cuda10.0 ( win10 ) + cudnn10.0_v7.4.1.5 ( x64 ) 的安装包，
网盘链接：https://pan.baidu.com/s/10i_TTk8AQzRnEr_22za-rg 提取码：5540 （如果出现分享失效，需要的话，请私信）
也说下官网下载的步骤：
进入官网首页: CUDA下载官网

在这里插入图片描述

2.2 安装cuda10.0

在这里插入图片描述
安装时候选择自定义安装，精简其实是全选了

在这里插入图片描述
vs 的配置根据自己是不是需要来选择：

点击下一步之后，如下图，会询问这些组件的安装路径，可以直接使用C盘的默认位置，当然也可以点击浏览，自定义位置
（如果自定义，请一定记清楚这些安装路径，后面配置环境变量需要用到）。

在这里插入图片描述
选择好安装路径之后，继续完成安装即可。

3. cudnn 7.4.1

3.1 cudnn下载

cudnn是基于CUDA的深度学习GPU加速库，搭配Cuda的使用工具，有了它才能在GPU上完成深度学习的计算。想了解具体它与CUDA的关系可以参考：链接: CUDA与CUDNN的关系.

下载cuDNN ：官网链接: cuDNN.
在这里插入图片描述
这一步下载需要登录并填写问卷，登录之后找到对应的版本进行下载。

3.2 cudnn_7.4.1解压与使用

使用的时候，把下载的压缩包解压后的三个文件夹，复制到安装 CUDA 路径 v_10 的文件夹中
（默认的安装路径为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）

在这里插入图片描述
这三个文件夹在安装好CUDA以后就有了的，

把cudnn解压的文件夹直接放进去，文件夹会自动合并文件。

3. 配置环境变量

安装好cuda 10.0和 cudnn 以后，我们还要对电脑进行系统变量的添加。环境变量（如path）对电脑系统及应用程序正常运行有重要作用，在安装一些软件或指定软件临时目录时，需要手动设置添加用户或系统变量。

① 打开“环境变量”设置界面方法，在**“此电脑/我的电脑”上右击鼠标，在弹出菜单中选择“属性”**。

在这里插入图片描述

② 在“系统”界面选择**“高级系统设置”，可以打开“系统属性”**，从而进行系统属性配置。

在这里插入图片描述

③ 在“系统属性”界面，选择**“高级”，在高级界面选择“环境变量”**，即可打开变量配置界面。

在这里插入图片描述

在 “环境变量” 界面，有用户变量和系统变量两种，用户变量用来定义软件临时文件夹路径，系统变量用于指定应用程序路径。
单击 “新建” 即可新建系统变量。

在这里插入图片描述

单击 “新建” 后，在弹出窗口输入变量名及变量值即可定义新变量

在这里插入图片描述
安装好cuda 10.0 后可以在系统变量中看到已经存在了 CUDA_PATH 和 CUDA_PATH_V10_0 两个环境变量

还要在系统中添加以下 5个环境变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
(这是之前安装cuda是默认安装位置的路径，如果自定义路径后，需要修改成对应的自定义路径)
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

在这里插入图片描述
依次把 5个系统环境变量添加进去。之后，在系统变量中找到 path 这个系统变量，双击点进去：

在这里插入图片描述
再点击 “ 新建 ”

在这里插入图片描述
添加以下变量：

%CUDA_SDK_BIN_PATH%
%CUDA_BIN_PATH%
%CUDA_LIB_PATH%
%CUDA_SDK_LIB_PATH%

以及之前安装 cuda 的几条安装路径也要添加进去：
（我在安装 cuda 时候没有修改路径，这里是默认安装路径，如果之前自定义路径，要把默认的路径改成自己创建的路径）

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin；

在这里插入图片描述

4. 验证环境变量是否配置成功

添加完毕以后，可以用 Windows 的命令提示符来验证是否配置成功：

方法：

win+R启动cmd，cd到 cuda 安装目录下的 …\extras\demo_suite
在这里插入图片描述
然后分别用命令行执行bandwidthTest.exe和deviceQuery.exe ：

在这里插入图片描述

在这里插入图片描述
如果两步都可以得到： Result=PASS 就说明配置成功了。

5. 测试cuda

方法：win+R启动cmd，在命令行中输入：nvcc -V

在这里插入图片描述
说明已经安装成功。

6. 配置Tensorflow-gpu等库包

6.1 直接安装指定版本的库

这里直接打开Anaconda Prompt ：

在这里插入图片描述
使用

conda activate bj_acc

这里 bj_acc 是虚拟环境的名称，回车激活进入该虚拟环境下；

然后直接输入命令，安装tensorflow-gpu：

pip install tensorflow-gpu==1.13.1     # == 指定了下载的版本

在这里插入图片描述
等待下载完成即可。

同样的对 opencv3.4.1 和 Numpy1.14 可以分别输入命令直接安装：

pip install opencv==3.4.1

 pip install Numpy==1.14

6.2 测试tensorflow是否可以调用：

在pycharm 中创建.py文件：

# 测试tensorflow环境
import tensorflow as tf
# 定义两个张量
a = tf.constant([2.0, 3.0], name="m")
b = tf.constant([3.0, 4.0], name="n")
# 将两个向量相加
result = m + n
# 定义一个tensorflow对话
sess = tf.Session()
# 运行对话后打印出结果
print(sess.run(result))
print('如果出现结果则表明tensorflow-gpu已正确安装')

6.3 测试opencv是否可以调用：

在pycharm 中创建.py文件：

import cv2 as cv                                     #导入OpenCV库
import numpy as np                                   #导入numpy科学计算包
print("******** Python with OpenCV ********")
src = cv.imread("C:/Users/24529/Desktop/Text/picture/6.jpg")   #读取图片(把路径改成自己电脑中一张图片对应的路径)
cv.imshow("input image", src)                      #显示图片
cv.waitKey(0)                                      #等待操作 （触碰任何键盘来退出）
# cv.destroyAllWindows()                             # 释放内存

运行前先指定运行的虚拟环境，进入settings ：

在这里插入图片描述
指定运行的环境：

运行：

在这里插入图片描述
显示出图片即可。

7. 补充：

7.1 多个版本的cuda之间可以切换

如果运行多个训练需要搭配不同的cuda版本，可以安装多个版本的cuda，在cuda版本之间可以进行切换，安装新的cuda并不会将原cuda覆盖掉。使用时只需要在系统的环境变量中将相应的cuda版本号重新修改成需要的版本号，（哪个版本不用时，就把那个环境变量中的path路径改为非实际路径，比如v9.0改为v9.055555；需要用的版本，就在环境变量中将CUDA_PATH，NVCUDASAMPLES_ROOT改成对应的路径）；之后，再重启电脑即可完成cuda版本的切换。