Win7 + tensorflow-gpu1.8.0 + cuda9.0 + cuDNN 7.0 + Python3.5.2 + vs2013安装教程
如需转载请标明出处：http://blog.csdn.net/itas109
QQ技术交流群：129518033
目录
tensorflow：tensorflow-gpu1.8.0
cuda：cuda_9.0.176_windows
cuDNN：cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0
python：3.5.2 64bit
编译器：VS2013 12.0.21005.1 REL
显卡：NVIDIA GeForce GTX 950
系统环境：Windows 7 64bit
前言
tensorflow与python的结合简直是机器学习的完美搭配，本文就介绍如何搭建tensorflow的gpu开发环境。
1.VS2013安装和Python 3.5.2安装
略过
2.cuda9.0指南知识
CUDA 9.0的安装指南：
https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-microsoft-windows/index.html
2.1 CUDA 9.0操作系统支持
| 操作系统 | Native x86_64 | Cross (x86_32 on x86_64) |
|---|---|---|
| Windows 10 | YES | YES |
| Windows 8.1 | YES | YES |
| Windows 7 | YES | YES |
| Windows Server 2016 | YES | NO |
| Windows Server 2012 R2 (*) | YES | NO |
2.2 CUDA 9.0 window下编译器支持
| Compiler | IDE | Native x86_64 | Cross (x86_32 on x86_64) |
|---|---|---|---|
| Visual C++ 15.0 | Visual Studio 2017 | YES | NO |
| Visual C++ 14.0 | Visual Studio 2015 | YES | NO |
| Visual C++ 14.0 | Visual Studio Community 2015 | YES | NO |
| Visual C++ 12.0 | Visual Studio 2013 | YES | YES |
| Visual C++ 11.0 | Visual Studio 2012 | YES | YES |
| Visual C++ 10.0 DEPRECATED | Visual Studio 2010 | YES | YES |
3.CUDA 9.0安装
3.1下载CUDA9.0
下载地址：
https://developer.nvidia.com/cuda-90-download-archive
3.2安装主程序
点击cuda_9.0.176_windows.exe进行安装
如图，1表示主程序，剩余3个为补丁程序，按照顺序安装即可。
点击同意并继续
点击自定义(高级)
全部勾选，默认即为全部勾选
点击下一步
程序开始安装中…
安装完成
3.3安装补丁程序
补丁程序按照顺序安装即可
4.cuDNN安装
版本：
cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0
下载地址：
https://developer.nvidia.com/rdp/cudnn-download
4.1 解压文件
下载完成后解压cudnn-9.0-windows7-x64-v7.1.zip
4.2 覆盖文件
将文件夹里的内容拷贝到CUDA的安装目录并覆盖相应的文件夹，CUDA拷贝目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
5.测试sample
测试程序目录：
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
推荐sample：3_Imaging\histogram
其他sample运行失败也无所谓，因为部分Sample依赖了第三方库，所以很多Sample无法正常编译。
6.安装tensorflow-gpu1.8.0
这里下载的是离线的whl文件，版本为gpu1.8.0
6.1 下载
下载地址：tensorflow-gpu1.8.0
6.2 离线安装
pip install c:\tensorflow_gpu-1.8.0-cp35-cp35m-win_amd64.whl
6.3 安装完成
7.tensorflow的GPU验证
验证代码
import tensorflow as tf
a = tf.test.is_built_with_cuda() # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
cuda_only=False,
min_cuda_compute_capability=None
) # 判断GPU是否可以用
print(a)
print(b)运行结果：
2018-07-17 22:40:19.814200: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2018-07-17 22:40:20.025200: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1356] Found device 0 with properties:
name: GeForce GTX 950 major: 5 minor: 2 memoryClockRate(GHz): 1.2155
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.89GiB
2018-07-17 22:40:20.025200: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1435] Adding visible gpu devices: 0
2018-07-17 22:40:20.347200: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:923] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-07-17 22:40:20.348200: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:929] 0
2018-07-17 22:40:20.348200: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:942] 0: N
2018-07-17 22:40:20.348200: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1053] Created TensorFlow device (/device:GPU:0 with 1668 MB memory) -> physical GPU (device: 0, name: GeForce GTX 950, pci bus id: 0000:01:00.0, compute capability: 5.2)
True
True
Refrence：
https://docs.nvidia.com/cuda/archive/9.0/
https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-windows
https://blog.csdn.net/weixin_42359147/article/details/80622306
觉得文章对你有帮助，可以用微信扫描二维码捐赠给博主，谢谢！
如需转载请标明出处：http://blog.csdn.net/itas109
QQ技术交流群：129518033