深度学习主机环境配置: Win10+Nvidia GTX 1080i+CUDA8.0+CUDDN6

环境说明

硬件：

CPU：E5-2673 V3

主板：华硕Z10Z10PA-D8

内存：三星DDR4 2400 ECC-R 16G*2

显卡：微星GTX1080Ti AERO

固态硬盘：三星PM961 256G M.2

机械硬盘：希捷2T

电源：长城1250W

机箱：ANTEC P8

风扇：10热管全静音

系统：Windows 10 Enterprise Version

前期工作

NVIDIA 最新版驱动

Visual Studio 2015 （需要C++部分，可以安装visual studio community 2015）

备注：经过测试，Visual Studio 2013也可以。

安装CUDA和cuDNN

注意：发这篇文章的时候，tensorflow尚不支持最新版本的CUDA和cuDNN，因此，本文使用以下两个版本：

1. CUDA 8.0

下载地址：https://developer.nvidia.com/cuda-downloads

直接安装即可。也可以到我的百度云下载：链接：https://pan.baidu.com/s/1dFHD37F 密码：u0gi

2.cuDNN v6.0

下载地址：https://developer.nvidia.com/rdp/cudnn-download

也可以到我的百度云下载：链接：https://pan.baidu.com/s/1gftmqR5 密码：zinu

解压后覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目录即可。

3. 安装Tensorflow GPU 1.4

由于Anaconda 可以提供完整的科学计算库，所以直接使用Anaconda 来进行相关的额安装。

4.安装Anaconda

下载地址：https://www.anaconda.com/download/

这里我们下载Python 3.6 64bit 的Anaconda 5，直接安装即可。

5. 在Anaconda中安装TensorFlow GPU 1.4

conda create --name tf python=3.6 #创建tf环境
activate tf #激活tf环境

pip install --ignore-installed --upgrade tensorflow-gpu
备
其他命令：

deactivate tf #退出tf环境
conda remove --name tf --all #删除tf环境（全部删除）

将会自动安装如下组件

numpy
wheel
tensorflow-tensorboard
six
protobuf
html5lib
markdown
werkzeug
bleach
setuptools

使用下列代码测试安装正确性

6.测试.

命令行下：

activate tf

python

输入以下代码：

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

没有报错就是配置好了。