The guide of installing tensorflow-gpu in Windows10

在Windows安装tensorflow-gpu总共分为以下几点

• 安装Python或者Anaconda（建议后者，使用起来非常方便）

• 安装cuda
• 安装cuDNN

• 安装tensorflow-gpu

Anaconda的安装

Anaconda安装起来很简单，去Anaconda的官网寻找自己想要下载的版本，进行下载和安装即可。

NOTICE：正常情况下会自己将Anaconda的很多路径加入到环境变量中，但是为了保证万无一失，检查一下也无妨，路径包括

• ***\Anaconda3\Library\mingw-w64\bin
• ***\Anaconda3\Library\usr\bin
• ***\Anaconda3\Library\bin
• ***\Anaconda3\Scripts

其中，***代表自己安装的Anaconda3所在的路径

CUDA的安装

CUDA的下载就是一个大问题，下什么版本的，去哪儿下，怎样安装，都很容易搞错。

版本的选择

在windows下，对应关系如下

Version	Python Version	Compiler	Build Tools	cuDNN	CUDA
tensorflow-gpu-1.12.0	3.5 - 3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow-gpu-1.11.0	3.5 - 3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow-gpu-1.10.0	3.5 - 3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow-gpu-1.9.0	3.5 - 3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow-gpu-1.8.0	3.5 - 3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow-gpu-1.7.0	3.5 - 3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow-gpu-1.6.0	3.5 - 3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow-gpu-1.5.0	3.5 - 3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9

下载地址

最新版本的下载地址：https://developer.nvidia.com/cuda-downloads

旧的版本的下载地址：https://developer.nvidia.com/cuda-toolkit-archive

接下来，就是耐住性子等待下载了。

安装方法

1. 将下载好的CUDA安装包用解压软件解压

2. 运行解压之后的setup.exe文件

3. 选择自定义安装

4. 将Visual Studio Interpreter选项勾掉（因为我不勾掉的话一下显示这个选项失败，造成无法安装CUDA，查到这个选项对我的个人需要不太大，所以我就将其勾掉了）

5. 安装完成之后，要将几个文件夹加入环境变量

   • ***\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
   • ***\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

   同样的，***代表自己安装的CUDA所在的路径

cuDNN的安装

• 到cuDNN的官方网站上面进行下载，注意匹配好需要的版本
• 下载完成之后，将其解压
• 然后将解压文件中的bin，include，lib\x64文件夹中的文件分别拷贝到***\NVIDIA GPU Computing Toolkit\CUDA\v9.0\中的bin，include，lib\x64文件夹中
• 添加如下路径到环境变量中
  • ***\\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

Tensorflow-gpu的安装

• 按照相应Python版本新建Anaconda的env
• 执行pip install tensorflow-gpu==1.2进行安装，其中，1.2指的想要安装的tensorflow的版本
• 执行测试程序测试一下是否安装成功

import tensorflow as tf
# Create TensorFlow object called tensor
hello_constant = tf.constant('Hello, World!')

with tf.Session() as sess:
    # Run the tf.constant operation in the session
    output = sess.run(hello_constant)
    print(output.decode())

NOTICE：

第一次使用tf.Session()，会有好长时间处于等待中，就像是程序卡住一样

不要担心，等一段时间就可以了，从第二次开始，就不会花那么长时间了

如果出来了Hello, World!，那就表示已经安装成功啦！

使用如下程序测试tensorflow运算是否真正用到了gpu

import tensorflow as tf
# Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
# Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# Runs the op.
print(sess.run(c))

如果显示了device:GPU:0的字眼，就表示运算使用了gpu

参考

• WIN10安装TENSORFLOW（GPU版本）详解（超详细，从零开始）

转载于:https://www.cnblogs.com/alango/p/10498146.html