MX150+python3.7+CUDA10.0+Tensorflow-gpu1.13安装记录
作者：互联网
前段时间给我的笔记本装CUDA和Tensorflow-gpu失败了无数次，就在我打算弃坑的时候，今天居然无意中成功了，太高兴了。在这把过程简单记录下来，希望对别人有帮助。
【电脑简述】
电脑类型：笔记本电脑
操作系统：Windows10
GPU硬件：Geforce MX150
【软件安装过程】
下面是大致的安装过程，由于中间反复了几次，不一定严格按照这个顺序：
（1）Python 3.7.2+基础配套库（numpy等等）（https://www.python.org/downloads/）
（2）Microsoft Visual Studio2017 （安装教程：https://pan.baidu.com/s/1yFLFsiYV57amzvCqUaa4UA 提取码：usyp）
需在安装CUDA前安装Visual Studio。
（3）Windows SDK 10.0.15063.0 （链接：https://pan.baidu.com/s/15x7LxHWZct0lgAbw0ABcjg 提取码：vlkz
安装Windows 10 SDK前请务必退出Visual Studio 2017，否则可能会出现安装报错或者是安装失败等情况。
注：自定义安装Microsoft Visual Studio2017时，可以选择window SDK的版本，可以选中这个版本，也可以试试最新版本看CUDA编译时会不会有问题。
（4）升级Geforce MX150驱动程序25.21.14.1881.
进入windows系统设备管理器，在线升级显卡驱动程序至最新版。
（5）CUDA 10.0.130 （https://developer.nvidia.com/cuda-downloads）
安装完成后，首先进入cmd命令行，输入nvcc -V，会显示CUDA版本信息，如果显示无此命令，需要设置环境变量（具体操作详见其他文章）。
然后，点击CUDA Samples，进入Samples文件夹，随便选一个sample进行测试，以\0_Simple\asyncAPI\asyncAPI_vs2017.sln为例，直接双击，在Visual Studio 2017中编译和运行，显示出GPU和CPU的使用情况，代表程序安装成功。
（6）cuDNN 7.4.2.24 （https://developer.nvidia.com/cudnn）
在Nvidia网站注册会员后，下载解压缩，拷贝到CUDA安装文件夹即可（详见其他文章）。
（7）Tensorflow-gpu 1.13.0rc2
安装最新版的Tensorflow-gpu 1.13.1（有可能还需要安装CPU版），然后在cmd中运行python命令，然后输入以下命令测试：
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
显示出以下内容，大功告成！！！
补充：针对有同志反应的安装Tensorflow-gpu后出现（ImportError: DLL load failed: 找不到指定的模块。）问题，建议卸掉Tensorflow-gpu后，按照先安装tensorflow，然后安装Tensorflow-gpu的顺序。
（8）Keras 2.2.4.
喜欢用keras的还可装一个跑GPU。
---------------------
版权声明：本文为CSDN博主「魏小筠」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/wecast/article/details/87937143
标签：MX150,CUDA10.0,gpu1.13,Visual,CUDA,https,gpu,Tensorflow,安装 来源： https://www.cnblogs.com/wind-chaser/p/11327821.html