win10 TensorFlow-GPU 安装

Win10下Tensorflow(GPU版)

安装Anaconda：

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，我理解的Anaconda是跟构建Java项目中的maven包管理工具比较像，我们可以用这个软件进行python的版本管理。

• 版本选择：Anaconda有众多版本，并不是越新越好，还要考虑兼容性。有些版本的tensorflow支持的是python3.5和3.6，并不支持python3.7，省事起见，还是下载历史版本的anaconda吧。
• 
  
  根据这张表对比完就可以进行相应版本的下载了
• 下载地址： 清华镜像或者官网
• 安装
  下载对应的安装包之后，点击程序一直下一步即可（注意勾选添加到环境变量，不然后面还需要手动添加）
  
• 检验是否安装成功
  cmd中输入 conda -V ，显示版本，没有问题

安装TensorFlow-GPU

1. 创建一个新的虚拟环境，方法是选择 Python 解释器并创建一个 tensorflow 目录来存放它

conda create -n tensorflow pip python=3.6

等待一会输入 y

2. 激活虚拟环境

activate tensorflow

3. 安装tensorflow-GPU
在虚拟环境下执行（要想安装历史版本的可以在后边加上tensorflow-gpu==1.15其中数字对应版本号，很多csdn的教程都是后边没有跟版本号，不加版本号就是默认安装最新版的tesorflow）
稳定版版本的搭配

pip install --ignore-installed --upgrade tensorflow-gpu==2.0

等待时间较长…（也可以用相关的镜像，提升下载速度参考https://blog.youkuaiyun.com/sinat_21591675/article/details/82770360）
注意：（安装到一半时会报错，等了半小时，结果报错了，崩溃。。。
从网上查了一下是pip没有升级到最新版本，只能按照以下步骤重新来过

• 输入指令，进行升级：
  python -m pip install --upgrade pip
• 升级完成进行安装
  pip install --ignore-installed --upgrade tensorflow-gpu）
  
  安装完成可以用以下命令看一下自己安装的版本

pip show tensorflow

安装安装CUDA Toolkit +cuDNN

CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。在安装之前要查询下最新TensorFLow发行版支持到了哪个版本，同时也要看自己的显卡支持哪个版本的cuda，根据tensorflow的版本和自己的显卡型号是否支持选择相应的cuda和cudnn的安装版本否则后期只能装完成会报错导致不能使用
笔者安装的是tensorflow2.0的版本，笔者的GPU是RTX2060，从英伟达官网可以查到显卡型号的支持，所以我选择了这一套配置

CUDA安装包下载地址
打开安装包，安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。

选择自定义，然后不断的下一步安装直到完成安装。
CuDNN下载地址（下载CuDNN需要注册账号，注册过程比较简单）
下载完成，解压压缩包得到三个文件

将这三个文件复制粘贴到CUDA10.0的安装路径根文件夹下

添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin

安装Visual Studio

根据这个表格，选择vs2017
安装教程及方法网上的教程很多，可以根据自己的版本需要安装包。如果需要不同安装包的可以评论留下邮箱，我发给你安装包和教程。

验证

在命令行中，进入python，并输入以下代码：
import tensorflow as tf
hello=tf.constant(‘hello,world’)
sess=tf.Session()
print(sess.run(hello))