win10/11-tesorflow1.x环境安装简记

win10安装的相关环境：

电脑	华硕ASUS
系统	win10家庭中文版
显卡	NVIDIA Geforce 940MX
Tensorflow	1.15.0
Pycharm	2020.1.1
Python	3.7
Anaconda	Anaconda3-2020.11_windows_x86_64
Cuda	10.0
Cudnn	v7.4.2

问题记录：由于学习的深度代码是基于tensorflow1.x版本的实现的，我又不想升级到tensorflow2.x版本的代码，加上个人电脑这配置找到的资料也少，所以简单记录下安装流程
具体安装教程：
step1：先看电脑的显卡信息，“此电脑(鼠标右击)”-“管理”-“设备管理器”-“显示适配器”


step2：查看Geforce 940支持的cuda版本，目前电脑驱动升级自动把低版本卸载了，所以无法提供最初的界面，这边给个相关链接，写的很详细，下面是我的电脑结果图

可以看到我目前电脑的最高支持cuda11.0.208
step3：检查tensorflow,cuda,cudnn对应关系的官网链接

step4：下载上图中标记出的cudnn和cuda
cuda的官网链接，cudnn的官网链接，然后是下载教程的文字操作版，视频操作版


step5：安装anaconda3，可以直接安装最新的或者根据python版本下载，相关操作教程的链接1或者链接2都可以

step6：conda创建个人环境直接通过anconda navigator图形化界面就行，图形化界面链接
注意 我碰到过anaconda图形化界面和命令行里面对不上，这时候以命令行里面为准，所以还是贴一个命令行的 命令行操作链接
pycharm引用conda环境的 操作链接
问题：检测GPU是否可用时程序报错，原文链接
测试代码：

import tensorflow as tf

print(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:', tf.config.list_physical_devices('GPU'))
print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
# 查询GPU设备

报错信息

AttributeError: module 'tensorflow._api.v1.config' has no attribute 'list_physical_devices'

解决方案：原文链接

tf.config.experimental.list_physical_devices（"GPU"）
tensorflow1.15要在config后面加个.experimental.
tensorflow2.x不用加

将上面修改后可以得到下面这个图

上图解释：2输出的是tensorflow-gpu版本，5输出的上面测试代码的结果，如果5的结果显示GPU的数量不为0，那么4就不用管，3这里也可以不用管，我看到过的解释是tensorflow版本太老了，如果不想看到它，这里也给个处理链接

问题：上面这个图里面有可能1这个地方会显示找不到这个.dll文件
解决方案：原文链接和DLL-files.com官网

1. 官网有 -> 直接复制缺失的.dll文件名字，然后去官网下载
2. 官网没有 -> 到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0下面找 ->改名字放到C:\Windows\System32下面

举例：如果缺少cudart64_100.dll，首先去官网找

然后下载解压后放到C:\Windows\System32中，如果不存在就到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0里面，然后搜索cudart64.dll，将名字改成cudart64_100.dll后放到C:\Windows\System32里面

问题：全部安装完成后，跑代码的时候控制面板显示GPU一直为0%
解决方案：我做了两部分操作，具体是一起在起作用还是单独起作用，实验下来方案1确实有点用，它可以针对某个程序或所有程序选择NVIDIA处理。我感觉好像代码上对GPU调用代码有问题，所以有方案2作为补充，具体方案1和方案2哪个效果大，暂时不知道！

方案1：首先打开"NVIDIA控制面板" -> "管理3D设置" -> "全局设置" -> "首选图形处理器"
											 "程序设置" -> "选择要自定义的程序"
	   然后点击"开始" -> "设置" -> "屏幕" -> "图形设置" -> "浏览(添加pycharm程序)" -> "选项" ->"高性能"

目前看来，结果上确实GPU在起作用，但我对进程进行检测时发现pycharm代码使用GPU效率并不高,大部分时间甚至没调用GPU,如下图


方案2：后续找了点资料，才知道自己的代码写的有问题，感觉并没有合理调用GPU资源，采用原文链接提供的方法3动态分配优化了下代码

# allow_soft_placement=True 没有GPU的话在CPU上运行
# log_device_placement=True 打印设备日志
config = tf.ConfigProto(allow_soft_placement=True, log_device_placement=True)
config.gpu_options.allow_growth = True   #  按需分配显存
with tf.Session(config=config) as sess:
    sess.run(...)

下面是运行结果的截图



从日志来看确实调用了GPU0，但是性能上好像并没有多少提升！仔细测试了下，和我测试的模型有关，不过总的来说，使用tensorflow-gpu在geforce 940mx上训练的目的达到了！

下面附带一张两种方案都采纳的RTX4090+tensorflow1.5跑的数据量比较大的效果图

果然还是我代码有问题，太酷啦！！！😭😭😭

附加：win11-RTX 4090-tensorflow1.x安装教程
如果你安装的环境不同，请参考原文链接，里面有其他版本的30/40系列安装文件，选择window平台跟着操作就行
提示：安装文件需要到github下载！！

win11安装的相关环境：

系统	Windows 11 Pro for Workstations (23H2)
显卡	NVIDIA Geforce RTX 4090
Tensorflow	1.15.4+nv
Pycharm	2022.1.4
Python	3.8.20
Anaconda	Anaconda3-2020.11_windows_x86_64
Cuda	12.6
Cudnn	v7.4.2

整个教程比较简单，首先是在anacoda里面创建一个容器，然后指定python的版本为3.8的即可，然后根据提供的github网站链接去下载对应的版本，最后使用命令行安装即可。
step1：我这边用图形化界面操作(实验室电脑截图，有点模糊，将就一下)

step2：进到github网址，然后下载下面这4个，最后解压安装即可(只解压0001就行)

step3：whl文件安装(我这边原文件已经删除了，这边给一个链接地址)

激活conda环境，在自己的虚拟环境下安装(我解压放的桌面，""部分的内容请自行替代,""是不需要的)
1.打开 Anaconda Prompt
2.输入 conda activate "wk_gpu"
3.安装 pip install "C:\Users\admin\Desktop"\tensorflow-1.15.4+nv-cp38-cp38-win_amd64.whl
4.查看 conda list
以上是我的电脑的路径，请注意修改！

问题：显示protoc >= 3.19.0，需要降低版本，如下图

解决方案：先卸载当前版本，再下载3.19.0版本的protoc即可

1.打开 Anaconda prompt
2.输入 conda activate tf1x
3.输入 conda list

1.输入 pip uninstall protobuf
2.输入 y -> 
3.输入 pip install protobuf==3.19.0

安装就结束了，可以跑代码了！祝好运😘