win10+Anaconda3+CUDA9.0+CUDNN7.1+TensorFlow-gpu1.9+Pycharm

想在win10上运行下YOLO的例子，要先配置环境，折腾了两天，终于好了，整理下自己觉得有用且正确的流程。

win10+Anaconda3+CUDA9.0+CUDNN7.1+TensorFlow1.9+Pycharm

安装Anaconda3：

记得勾选配置环境变量Path

再cmd中输入“conda -V”，能正常显示版本号，证明已经配置好了。

运行 开始菜单->Anaconda3—>Anaconda Prompt

利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：

conda create -n tensorflow python=3.7

anaconda修改为国内清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

激活环境

activate tensorflow

关闭环境

deactivate

安装CUDA9.0

安装完成后检查是否安装成功，打开cmd，输入

nvcc -V

出现版本号则安装成功

配置CUDNN7.1

将CUDA和CUDNN链接起来 ，这样CUDA才能调用CUDNN.这里有两种方法将CUDA和CUDNN链接起来

第一种： 在环境变量下面，把解压后文件的bin目录加到系统环境变量中，放在path下面，如图：

重启电脑，让环境变量生效，完成。

第二种： 就是把cudnn中的库加入到CUDA中，因为CUDA系统会自动安装到c盘的Program Files文件中，选择该文件夹下的NVIDIA GPUComputing Toolkit文件，一直到

接下来要做的就是，把cudnn三个文件夹中的文件，如图

复制到CUDA相应文件夹的下面（仔细看一下就会发现他们的目录结构是一样的），完成。

安装TensorFlow

两种方法，一种是Anaconda命令行，另一种是Anaconda可视化界面操作。

第一种：

在激活环境（activate tensorflow）的状态下运行：

pip install --ignore-installed --upgrade tensorflow-gpu==1.9

如果缺少相关的依赖包话，推荐还是用conda安装：

//GPU版本 
conda install tesorflow-gpu==1.9

第二种：

打开Anaconda Navigator

Environments-->tensorflow-->筛选not installed-->找到tensorflow-gpu和keras-gpu，选中安装。下图是我已经安装好了。

配置PyCharm

新建工程后在Setting–Project Interpreter选择tensorflow下的Python解释器

等部署完后便可跑个HelloWorld了

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

运行结果：

官方教程代码测试：

#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))

运行结果：

至此，配置完成。