文章目录
一.为什么要安装GPU版本的tensorflow?
本人之前使用的是cpu版本的，但是最近由于在做一个深度学习的项目，无奈cpu版本的运行速度实在是令我受不了了，因此我决定转向gpu版本(之前不装gpu版本是因为嫌麻烦)。在经过几个小时的查询和尝试后，我成功安装了GPU版本的tensorflow，在这里我想向大家介绍如何安装gpu版本的tensorflow，话不多说，请看下文。
二.安装过程
2.1. 安装前需要注意的事项
- 在安装的时候，我看了网上的很多教程，许多教程的流水线都有提到要使用Anaconda，但其实也不一定要安装Anaconda其实只需要安装CUDA和cuDNN就可以了。
- 首先，你需要了解电脑的显卡是否支持GPU版本的tensorflow，具体的过程这里就不多说了，这里分享一篇很好的教程请点我。
- 其次，你需要选择自己要安装的tensorflow-gup版本，这一步很关键，只有确定了自己要安装的tensorflow-gpu版本，你才能去确定对应的CUDA和cuDNN版本。
- 最后，找到适合自己要安装的tensorflow-gpu版本的CUDA和cuDNN，要解决这个问题可以去Tensorflow官网请点我，进去后你可以看到如下图所示的表格，在表格中，你可以寻找适合的CUDA和cuDNN版本。
2.2.下载安装CUDA
2.2.1.下载
- 要下载CUDA需要进入NIVDIA官网对应的下载界面请点我，进去可以你可以看到如下界面：
- 在其中找到自己需要的CUDA版本，比如你之前在Tensorflow官网找到适合自己的CUDA版本是9.0，则下载9.0版本就可以了。
2.2.2.安装CUDA
- 在安装过程中，可以全部按照默认设置就行了。
- CUDA默认安装在C盘，倘若你要更换安装路径，切记一定要记住自己选择的路径(后面有大用处)。
- 在这其中安装选项可以使用用户自定义，倘若你要选择自定义的话，可以查看网上的其他资源来进行配置，这里我本人使用的是默认的精简，最后是可以正常工作的。
2.3.下载安装cuDNN
2.3.1.下载
- 在安装好CUDA后，接下来便是下载cuDNN了，同样的进入英伟达官网的对应下载界面请点我，进去后，可以看到如下界面：
- 然后，你就需要根据自己的CUDA版本来选择对应的cuDNN版本，假如你之前选择了9.0版本的CUDA，在上图中你就可以找到cuDNN v7.6.4，cuDNNv7.6.3两个版本，当然官网上适配CUDA 9.0版本的还有很多，你随便挑选一个就可以了。
2.3.2.安装cuDNN
- 首先，对下载的cuDNN压缩包进行解压，然后把解压后的文件夹中的bin，include，lib文件夹复制；
- 其次，找到CUDA安装目录对应的文件夹下面，倘若你在安装时使用的时默认路径，则CUDA安装目录的路径应该是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0；
- 最后，将刚才复制的cuDNN下的三个文件夹粘贴过来。
2.4. 安装tensorflow-gpu
在安装GPU版本的tensorflow时我直接使用的是pip，具体的命令为
pip install tensorflow-gpu==版本号
在使用pip命令安装时，你可能会遇到超时等问题导致下载失败，我之前看过一篇文章请点我帮助我很好的解决了这个问题，当然网上的资料还有很多。
三.测试是否安装成功
这里我提供了一段tf程序来供大家测试使用，让若能成功运行，那么恭喜你，你已经成功安装好GPU版本的tensorflow了
import tensorflow as tf
pai = tf.constant(3.14)
r = tf.placeholder(dtype=tf.float32)
area = tf.multiply(r*r,pai)
with tf.Session() as sess:
area = sess.run(area,feed_dict={r:2})
print("arae",area)
'''
运行结果
arae 12.56
'''
