学习yolo之tensorflow-gpu环境配置(win10)

自己到处学习了一些深度学习的皮毛，深切感受到没有GPU，真是不要和人家谈什么效率。人家一天跑好几个代码，如果你没有GPU，训练起来几天才跑一个代码。我之前在笔记本试过跑深度学习的hello world—‘MNIST’，使用的是softmax回归网络实现数字识别，这个速度还好，因为没有涉及复杂的卷积运算。后来自己又用CNN来实现数字识别，那训练速度足以让你怀疑人生，瞬时觉得人生路漫漫，CPU跑了两个小时，才迭代到第8遍。后来在上网络课程，有配置的实验室，可以使用GPU资源，我跑了下CNN识别MNIST，5分钟完事，那速度，瞬时嗨起。今天上youtube看了一个教程，就斟酌起干嘛不试一下自己三年前买的笔记本。还好是独显，英伟达840m，算力5.0，内存2GB，很菜，折腾一下，今天终于把自己笔记本上的gpu配置上了，并且玩了一下yolo模型。废话不多说，直接进入主题。对了，我是win10 64位系统。

【不想跟我一起配置的，可以去youtube看大佬的视频干货】

【正文】

一.下载显卡驱动（CUDA Toolkit9.0 , Cudnn 7.05）

（1）去下载官网CUDA Toolkit 9.0版本。
注意，不要下载最新的9.1版本，听说 It doesn’t work在这里。但是如果你想试试，Just do it。
这里写图片描述

如图所示，下载上面那两个包，得到的两个包如下：
这里写图片描述

先运行cuda_9.0.176_win10.exe文件，默认安装路径，会弹出一个检测系统界面，你只需要等待和一路next下去，直至完成，需要一些时间等待，安装完可能需要重启。
然后再运行cuda_9.0.1.176.1_windows.exe文件，也是一样一路next，若有错，则重新下载，再运行。

上述都顺利完成后，检测下是否成功：
若没有更改安装路径，你会在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0这里看到一个文件，便是安装成功。

（2）去官网下载cuDNN v7.05，注意不要下载错版本，其他版本应该也行，只是我没有尝试而已。
这里写图片描述

然后解压这个包，打开里面bin目录，把里面的唯一一个文件cudnn64_7.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin此文件下。
如图：
这里写图片描述

最后看一下路径有没有加到path环境，通常是自动加进去的。

去 ->我的电脑 -> 高级系统设置 -> 环境变量 -> 找到path -> 打开编辑查看
  
  
   
   1

如图：
这里写图片描述

若有上图的两条环境变量，则说明下载安装完成，若没有，则检查一下自己的安装路径，然后自己手动添加进去。

二.下载安装Anaconda3，安装tensorflow-gpu 1.5

直接进去官网，下载即可。
这里写图片描述

然后运行安装包，默认路径，然后一直next，直至完成。

如果顺利的话，是可以在cmd终端运行的。

测试：
（1）打开终端cmd，创建环境

conda create -n test python=3.6 pip
  
  
   
   1

这里写图片描述

如上图所示，就已经创建好一个环境了，其中test是你的环境名，然后后面的意思是环境配置python3.6版本，并且下载pip工具。
【注意】：这里有可能出现

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://repo.continuum.io/pkgs/main/win-64/repodata.json.bz2>
Elapsed: -

An HTTP error occurred when trying to retrieve this URL.
  
  
   
   1
   
   2
   
   3
   
   4

这里可以参考我之前的一篇文章，我在python2.7和python3.6都出现过这个问题，不知道为什么，但是照这个方法都解决了。（python3.5没试过）

（2）查看环境使用conda info --envs,在这里可以看到刚才自己创的环境，然后使用activate test激活环境，在路径前面有个括号，写着环境名就表示已经进入环境。
这里写图片描述

（3）安装tensorflow-gpu 1.5版本，和opencv
这里可能会遇到问题是下载速度比较慢，我已经试过很多次了，是镜像的问题。使用国内的镜像可以解决。具体可以看我的一篇文章，OK，所以我们可以使用命令：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.5 
  
  
   
   1

注意，这里装的是1.5版本，其他版本没试过。还有不能直接使用pip去下载opencv，因为pip是python的工具，而opencv不在python的库内，所以想安装opencv，就用

conda install opencv
  
  
   
   1

三. 测试gpu环境

打开python,就可以看到python版本，我们使用代码去测试一下：

import tensorflow as tf
import cv2
tf.__version__
cv2.__version__
hello = tf.constant('hello , my gpu!!!')
with tf.Session() as sess:
    print(sess.run(hello))
  
  
   
   1
   
   2
   
   3
   
   4
   
   5
   
   6
   
   7

这里若你发现ModuleNotFoundError: No module named 'tensorflow'，那使用命令conda list看一下自己的包，若没有自己想要的包，则重新运行安装。

如果一切顺利，你可以看到如下：
这里写图片描述

可以看到tensorflow版本是1.5.0 ， opencv是3.4.1 ，我的gpu是英伟达840M ，算力是5.0 ，内存是2G，可用内存是1.66G(很一般的独显) ，最后一行是输出结果。
（Got it !）

【后记】：
写博客还真是个耐心活，我跑通两遍流程都不用花多少时间，弄个博客跟大家分享，花了我整个晚上。没办法，性格有些许强迫，追求详细完美易懂。资料学习来自于国外一位大佬，最近入门yolo都是看他的github和youtube上的视频，感谢这些充满奉献精神的大佬们。
最后如果在安装的过程中有什么问题的，欢迎留言交流一起学习。走过的，如果对你有些许帮助，就留个赞吧。算是给自己码了这么多时间的些许安慰，谢谢。

【迟些有时间再写下一篇：下载yolo并给自己的视频做检测】