win10+python3.6+tensorflow-gpu1.7+spyder+cuda9.0+cuDNN7.1.4环境配置

之前做本科毕业设计的时候就用tensorflow做深度学习相关的内容，当时受限于电脑的配置，无法使用tensorflow-gpu，再读研前换了电脑，并准备安装tensorflow-gpu，据说速度特别快，于是按照网上的一些教程，安装了上去，本以为安装好了，然而在一次运行到大的数据时发生了错误才知道竟然一直用的是cpu，并未使用gpu，按照https://blog.csdn.net/lwhsyit/article/details/89465387第一个方法检查才知道自己没有安装好tensorflow-gpu版本，于是各种方法都尝试了，来来回回折腾了3天，终于安好了，因此想写出来与大家分享，当然可能会不详细也缺少一些介绍，但是会把自己遇到的一些坑都说出来供大家参考。

基本介绍
要想安装tensorflow-gpu首先得知道自己的电脑配置能不能达到要求，我的显卡是NVIDIA的GEFORCE GTX1050TI，可通过https://developer.nvidia.com/cuda-gpus查看。
此外，安装的时候一定要把cuda和cuDNN的对应关系弄清楚，https://blog.csdn.net/qq_326324545/article/details/91431007这篇文章写的很清楚，我把其中gpu的列出来。

之后就是安装的过程了
Anaconda和tensorflow-gpu的安装
首先安装Anaconda，利用其来安装python3.6，tensorflow-gpu和spyder，为什么用我也不知道，小白一个，我的师兄和网许多教程都是用的这个。这个安装比较简单，直接在其官网上进行下载然后安装即可，https://www.anaconda.com/，唯一需要注意的是安装过程中把ADD TO PATH选上，虽然下面的小英文介绍是不推荐，但是这样会方便后面不用在添加到环境变量中。
现在anaconda安装的时候会自动安装python3.7，但是我使用的是python3.6，一开始我不知道怎么弄，也不太清楚其中的各种环境关系，就想先把3.7卸了，再装3.6，然后发现并没有必要。anaconda安装好后，再其自带的Anaconda Prompt中，只要创建了tensorflow-gpu的环境，在把python3.6安装在此环境中即可，之后在Anaconda Prompt中若直接输入python，出来的信息将会显示是python3.7，若你先activate tensorflow-gpu，再输入python，出来的信息则是python3.6了。
在安装tensorflow-gpu的过程中，有pip和conda两种方法，网络上说的是conda容易管理各种包和环境，我一开始也是用的conda，然而最终用pip成功了，我也不知道两种哪个好，我用pip成功了供大家参考，按指令pip install tensorflow-gpu=1.7
之后出来的信息后按提示按y键，即可自动安装。总的来说在我安装的过程中，这一步都没有出过错，只是我对各种创建的环境什么的不太清楚。为了使用gpu加速，需要安装cuda和cuDNN.

CUDA和cuDNN安装

在我的3天煎熬时间里，主要问题是在这。在我第一次以为我安装好后，然而一次大数据的运算失败，在检查哪些东西没有安装的过程中，从网上得知，CUDA是否安装好可以在Anaconda Prompt中利用ncvv -V来查看，若是有其版本信息，则代表可以使用，若出错则代表未安装成功。我试了一试发现有CUDA的信息，可是仍然不能用gpu加速运算，我便把所有的东西都卸载了。然而在之后的每次安装过程中，用ncvv -V来试，均无法显示，即使最后一次我成功了，可以用gpu运算了，发现用ncvv -V这个命令仍然没有cuda的，所以我现在也不知道什么原因。

cuda和cudnn的安装过程比较简单，下载的时候可能很慢也会出错，可以从网络上找找百度云之类的资源可能会不容易出错。在一开始看网络上的许多博客说cuda选择net版的进行安装，我也是如此，然而最终成功的确实local版，我不确定是不是版本的原因，反正我最后成功的是local版，大家可以试试，虽然这个比较大（图是从网上找的）

local版的可能比较大，有1个多g，不过也得下载，下载完后就比较简单了，直接运行，一开始会测试你的电脑配置，若成功了就继续，如果不成功则无法继续，我的电脑是这种情况，我查了好像是缺少某个需要下载的东西，但是我也没管，最后反正也能用gpu加速。

在安装的时候会让你选择你安装的文件夹，一开始我也比较有耐心，一个一个该，但是随着卸载重装的次数多了，我也没耐心了，就按照默认的位置进行安装，最后会在C:\Program Files\NVIDIA GPU Computing Toolkit这里面，然后安装cuDNN,一定要于cuda的版本对应，再强调一次我的tensorflow-gpu1.7，cuda9.0，cuDNN7.1.4，cuDNN也是直接从官网下载，它会让你注册一下，按照要求来就行，只要邮箱就可以，很简单，下载后解压文件夹，文件夹里面有bin，include，lib三个子文件夹，lib中还有x64的子文件夹，将bin文件夹中的cudnn64_7.dll，include文件夹中的cudnn.h和x64文件夹中的cudnn.lib分别放入之前C:\Program Files\NVIDIA GPU Computing Toolkit这里面对应的位置，这里就不放图了，装过了cuda的应该懂的都懂。然后就是把相应的路径添加到path的环境变量中，我添加了下面三个，我不知道其他的需不需要，反正我的是能用了。

在这个弄好之后，用安装的Anaconda Navigator，把环境调到tensorflow-gpu，下载spyder，之后就可以了
进入spyder后可以按https://blog.csdn.net/lwhsyit/article/details/89465387提供的方法进行检测。
发现安装好了tensorflow-gpu后简直泪流满面，点了一份丰盛的外卖犒劳自己，开启未来的脱发之旅。

此外，在开始中我还安装了Visual c++2015,我查看了一篇博客说是因为tensorflow其实是基于VC++2015开发的，所以需要安装Visual C++ Redistributable for Visual Studio 2015。https://www.microsoft.com/en-us/download/confirmation.aspx?id=48145下载后，直接默认安装就行。我不知道有没有用，反正我最后可以用了，就列出来了。
这是我第一次写，版式什么的我也没注意了，也不会弄刚开始，大家凑合看，目前我做的是深度学习方面的内容，Siamese Network，进行场景图像定位内容，感兴趣的可以一起交流交流

标签：cuda9.0,gpu1.7,python3.6,文件夹,cuda,https,tensorflow,gpu,安装
来源： https://blog.csdn.net/qq_41430710/article/details/99707001