【TensorFlow】Win10+TensorFlow-gpu1.9.0+CUDA9.0+cudnn7.1.4（2018/11/02）

折腾了一天多，终于配置成功了orz

本篇文章是2018年11月2日写的，Win10，显卡为960M

下载版本为：（请注意兼容性）

Anaconda3 5.3.0

TensorFlow-gpu 1.9.0

CUDA9.0

cudnn7.1.4

0、检测自己的显卡能否安装gpu版本

1.右键“我的电脑”-属性-设备管理器-显示适配器，里面有显卡型号（我的是GeForce GTX 960M）

2.点击https://developer.nvidia.com/cuda-gpus，在里面查找自己的显卡型号（比如我的显卡在GeForce这一栏下找到了）

3.如果没有的话就无法使用tensorflow-gpu了

一、下载Anaconda3

1.点击下面的清华镜像链接，选择需要的版本下载（我下载的是截至2018.11.2最新的5.3.0 x86-64版本）

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

下载完的文件如下图所示：

2.双击下载完的文件，点击Next-I Agree，进入下面的页面

选择Just Me，点击Next，进入下面页面，自己选择安装路径（安装位置必须为空文件夹），再点击Next

进入下面页面，两个都打勾，不用管红字，点击Install安装。

安装完成后，在开始栏中应该有下列快捷方式：

二、下载CUDA9.0

CUDA下载地址

点击上述网站，找到9.0版本，点击“CUDA Toolkit 9.0”

依次选择 Windows、X86_64、10、exe[local]

点击下载第一个：

第一个下载文件Base Installer如下，双击进入：

选择路径，点击OK：

之后一路点击下一步就好。

验证是否安装成功：

点击打开Anaconda Prompt（开始栏里有快捷方式）

输入以下代码并回车（注意第二个V是大写的），查看CUDA的版本：

nvcc -V

出现以下界面，最后一行可以看到是9.0版本：

附上自己的环境变量（应该是下载过程中自动添加的）：

Path中：

三、下载cuDNN7.1.4

点击https://developer.nvidia.com/cudnn，选择Download cuDNN

然后会需要注册登录，用qq邮箱注册就好，登录后在下面的小框里打勾，并点击“Archived cuDNN Releases”

找到需要下载的版本，点击，v7.1.4 for CUDA 9.0（刚刚下载过了CUDA9.0）

选择for Windows10，点击下载

下载完了之后解压：

点击cudnn-9.0-windows10-x64-v7.1\cuda\进入如下界面，把前三个文件复制：

然后打开刚刚下载的CUDA9.0的下载位置（实在找不到就在电脑里搜索“CUDA”或者“v9.0”这些关键词吧）：

（本人在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）

直接粘贴到下面这里：

四、下载tensorflow-gpu1.9.0

点击“Anaconda Prompt”，进入下面页面

输入以下代码，之后敲回车，意为创建一个名字为“tensorflow-gpu”的虚拟环境，这个环境使用的python版本为3.6

conda create -n tensorflow-gpu python=3.6

出现以下界面，输入“y”敲回车：

然后出现以下界面，证明创建虚拟环境成功：

然后输入以下代码，敲回车，激活刚刚创建的名为“tensorflow-gpu”的环境：

activate tensorflow-gpu

输入以下代码，敲回车，升级pip到最新版本：

python -m pip install --upgrade pip

然后输入以下代码，敲回车，下载tensorflow-gpu 1.9.0，然后静静等待其下载完成。

pip install tensorflow-gpu==1.9.0

五、尝试用gpu加速测试代码

在刚刚下载完gpu的Anaconda Prompt界面里输入python并回车：

接着输入以下代码（直接复制粘贴回车就好）：

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

出现以下界面：可以看到我的GPU设备号为0，名字为960M，运算能力为5.0

再输入一段测试代码（同样复制粘贴回车），用tf.matmul实现a和b两个矩阵相乘，输出结果矩阵c：

#Creates a graph.
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)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print (sess.run(c))     #python3.6版本一些书写规则有变化

可以看到最后输出了结果：