win10利用gpu加速训练tensorflow/keras

最近在帮同学完成一篇论文，需要跑一个程序，但仅使用cpu训练实在太久，于是记录一下使用gpu加速训练的环境搭建过程。

环境概述

win10+Anaconda3.5+cuda9+cudnn7
首先安装一下Anaconda3，教程在这：安装Anaconda3

然后安装cuda，地址在这里：cuda toolkit，我下载的是9.0的版本，然后选择自己的机器型号进行下载，之后就可以打开exe程序进行安装了，首先点开exe会先让你选一个临时放的目录，这时候直接next就好了，因为之后这个临时目录里的文件会被删除。之后选择自定义安装，只勾选第一个组件CUDA就好了，其他的组件都不勾选，展开CUDA组件，将VISUAL STUDIO那个组件去除勾选。然后next，会让你选择3个安装位置，分别是Development、Samples、Documentation，这里可以直接next，也可以选择自定义安装，3个文件加起来大概有2G多。之后等待安装结束之后，需要进行系统变量/环境变量的配置。安装结束之后如果一开始临时目录你是自定义的话你可能会发现CUDA这个目录不见了，是的，这只是一个临时目录，没有关系，不影响的。进入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\extras\demo_suite使用命令行测试两个exe的执行情况，如果都是PASS就代表通过了。

接下来安装cudnn，点这个网址可以看到你的tensorflow-gpu版本与cuda版本与cudnn版本之间的对应关系。cudnn下载地址，会有一些认证问题。

之后打开Anaconda Prompt卸载之前的tensorflow，按照上面网址里的对应关系下载对应的tensorflow-gpu版本。

在主程序中最前面加入

import os
#不加这一行我会报错？不知道什么意思
os.environ["CUDA_DEVICE_ORDER"]="PCI_BUS_ID"
#这里选择你用哪一块，或者哪几块gpu训练
os.environ['CUDA_VISIBLE_DEVICES']='0' #'0,1' 

进入C:\Program Files\NVIDIA Corporation\NVSMI目录下用命令行运行nvidia-smi.exe可以查看自己的gpu使用情况