TensorFlow GPU 版本安装个人总结：Win10 + Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0

TensorFlow GPU 版本安装个人总结：Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0

接触机器学习有一段时间了，前一段配置tensorflow的GPU版本的时候被网上的野鸡教程坑的欲哭无泪，千辛万苦配置成功以后，捋一捋思路发现其实也没那么难。

废话少说，直入正题。

0.配置之前你要了解的

（1）教程默认你已经安装好anaconda了
（2）理解“环境”的概念。配置基于Python3.5环境， 但小白的环境往往是系统默认的base，没准里面的默认Python版本是3.7，那配错了你就查去吧
（3）安装CUDA最繁琐的地方在于，Python、tensorflow、CUDA、cudnn四者版本必须严格对应，错一步那就查去吧，配十天半个月的大有人在
（4）切记，配置CUDA并不存在高版本兼容低版本这一说法

1.配置Python3.5环境

（1）进入anaconda界面——左侧单击environment——发现环境里只有一个base（root），如下图。这个base环境说白了就是系统默认给你创建的一个Python环境，当然默认安装的也是最高版本的Python，这也是为什么保险起见需要大家新建一个环境。
PS：底下的Python3.5是我已经配置好的环境，默认它现在不存在就好哈哈

（2）下方点击Create，来创建一个新环境，如下图，name是环境名称，自己随意命名（有的教程这一步直接说命名成tensorflow，个人感觉不是很好），底下Python版本下拉选择3.5，点击create完成环境创建
PS：这一步需要等个几分钟，因为创建环境需要下载一些基础包

（3）把这一栏切换成installed，查看已经安装好的各种支持包，如果有一大堆你不认识的包被显示出来了，那恭喜你环境配置成功
PS：如果在这一步报错，检查是不是之前你以相同的环境名称create过相同的环境（如果你现在是第二遍或者第三遍配置）。找到anaconda安装的根目录，进到envs文件夹下，如果你看到了Python3.5的文件夹果断删除它就好

2.安装CUDA9.0

（1）下载对应版本的CUDA
CUDA安装最为繁琐的地方在于，他要求Python、CUDA、cudnn、tensorflow版本四位一体，严格对应。具体的对照表如下：

说白了，只要你找到一个能跑起来的组合就行。（但问题就在于找这些组合的时候你可能会踩一堆坑哈哈哈哈）我这里采用的是Win10环境下， Python3.5 + CUDA 9.0.176 + cudnn v7.5.0.56 + TensorFlow 1.12.0组合。

CUDA9.0的安装包地址在https://developer.nvidia.com/cuda-toolkit-archive自寻
cudnn7安装包地址：https://developer.nvidia.com/cudnn（需要注册英伟达账号，嫌麻烦直接拿文章末尾的资源）

如果下载过程中速度过慢或者直接下载失败的话，解决方案也很简单：下载的时候出来两个选项，本地安装包和在线安装包，选择在线安装即可。（他俩的区别就是本地安装包会直接把安装包整体下载到你电脑上，大小1GB左右，在线安装包可能只有十几MB，下载很快就完成了，二者后续安装过程也基本一样）

（2）临时解压：双击下载下来的文件，选择临时解压路径

这一步特别重要，切记不要把临时解压路径和正式安装路径全都放在一个文件夹里，因为正式安装完毕后临时文件夹整体会自动被删除，你都放一起等于白安一遍。

默认是系统盘的路径，我这里改成D盘（系统盘空间宝贵哈哈哈哈），新建文件夹temp

（3）正式安装：

勾选同意

选择自定义安装

全部勾选（有的教程说只勾选第一个就行，保险起见这里先勾上，大家以后可以自行尝试）

选择安装路径：默认还是系统盘，我这里仍然改成D盘，新建文件夹CUDA9.0
这里一定要区分开，不要放到刚才的临时文件夹temp里！

正在联网下载中，点杯奶茶等着吧哈哈哈

PS：如果是本地安装的话这一步就直接开始安装了

之后基本就没什么问题了，如果提示VS2010有问题也不用管。

3.安装cudnn7

cudnn相当于CUDA的一个补丁，官网需要注册才能下载，如果嫌麻烦直接到文末找我上传的资源就行

（1）解压一下cudnn压缩包，发现里面有几个文件夹。人家这么命名的意思是告诉你，对应文件夹下的内容应该放到CUDA安装目录的同名文件夹下。（这点很多教程写的都不是很好，以下我会演示一下正确的做法）

（2）放置对应文件

举个栗子：bin点开以后发现有这么个玩意

打开CUDA 9.0安装目录下的bin文件夹，把这个给扔进去进行了

同理：include点开只有这一个头文件

找到CUDA9.0安装目录底下的include文件夹，扔到里面

lib也是一样，只不过下面有个x64文件夹，继续点开

然后进入到CUDA9.0安装目录下对应的./lib/x64下面，扔进去，大功告成

4.配置环境变量

这一步网上的教程也是说的鱼龙混杂，我在各个教程之间取了个并集，测试可行，直接上我的图

大家直接在系统变量里面改就行，不用管用户变量。

绿圈里面的两个变量是你安装好CUDA9.0以后自动建立的，其余需要自己手动添加。（我这里演示的是我自己装那一次配置好的环境变量，当时文件夹命名没加9.0，红字补上。这一步的变量值就是我们安装好的CUDA 9.0路径，每个人的可能都不同，以CUDA9.0文件路径为准）

改完这几个以后，进入到系统变量的PATH下，同理，环境变量值根据大家自己的CUDA9.0文件夹实际路径来写。

配置完这一步整个CUDA的安装就完毕了，下一步安装Tensorflow的GPU版本

5.安装tensorflow的GPU版本

（1）进入到anaconda prompt，默认是base环境

（2）输入activate Python3.5，激活刚刚配置好的Python3.5环境，以后所有的安装都在这个环境下进行

（3）直接pip install tensorflow-gpu==1.12.0，按理来说会慢慢下载，如果一次不成功多试两次，再不行改用指令conda install tensorflow-gpu==1.12.0，这里就不演示结果了，如果安装成功以后会出现提示。

PS：这一步切记不要把tensorflow CPU和GPU 放在同一个环境下安装，否则会报错。

（4）回到anaconda里， 点进去Python3.5环境，右上角框框设置为not installed，搜索Spyder进行安装（或者其他你喜欢的编译器，但切记要安装在Python3.5环境下），我这里已经安装过所以没有显示

PS：这一步也是很多新人容易跳的坑，安装完tensorflow觉得万事大吉直接从桌面找到Spyder点进去，一运行代码报错，其实是因为你点进去的Spyder是base环境下的，可能根本没安上tensorflow也可能你之前安的是CPU版本的。所以需要在Python3.5环境下单独安装一个Spyder，安装完成后在anaconda下能看到两个Spyder，点进去标着Python3.5的才是你GPU环境下可用的编译器，如下图所示

6.测试是否安装成功

#测试代码1
import tensorflow as tf
print(tf.test.is_built_with_cuda())

#测试代码2
import tensorflow as tf
tf.test.is_gpu_available()


#测试代码3
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

#测试代码4
import tensorflow as tf
a = tf.constant([1.,2.,3.,4.,5.,6.], shape=[2,3], name='a')
b = tf.constant([1.,2.,3.,4.,5.,6.], shape=[3,2], name='b')
c = tf.matmul(a,b)
with tf.Session(config = tf.ConfigProto(log_device_placement=True)) as sess:
    print(sess.run(c))

代码是从网上搜集到的几个不同版本的测试代码集合，任何一个跑通了就说明tensorflow的GPU版本彻底安装成功（一般4个代码应该是同时跑通，如果安装步骤有问题应该是四个代码全报错）

第一段代码检测CUDA安装是否成功，输出为：True 表示没问题

第二段代码检测GPU是否可用，输出为：True 表示没问题

第三段代码列出所有可用设备，输出应该如果有GPU就表示没毛病

第四段代码默认调取GPU运行，只要不报错能输出结果就没问题啦