Win10下安装GPU版本的tensorflow

之前完成了MXNet的安装，成功后就迫不及待地想试试tensorflow在win10上的安装，因为之前装MXNet趟过了很多坑，这次就比较顺利，还是把过程总结一下

1. cuda+cudnn

在安装MXNet的时候就已经把这部分都安装完成了，还是有很多坑，过程可以看上一篇文章，这边就不赘述了。

2. anaconda python版本管理

之前在电脑上安装了anaconda2，里面是py2版本，由于tensorflow需要py3进行支持，需要用anaconda重新安装一个py3。anaconda自带有版本管理的功能，所有其他版本的py都放在主目录的envs文件夹下。

这里我们使用python的conda命令进行版本管理（conda是很好的包管理工具）。上来就碰到坑了，在命令行输入conda无法识别，最后发现需要把Anaconda目录下的script目录加入环境变量中，加入后就可以识别了。

我们先把conda的镜像该成清华的，可以使下载更新更快一些，直接在命令行输入下面代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda 
config --set show_channel_urls yes

第一行命令输入两次，就可以把这个地址放到默认首位。

用conda create命令新建一个环境，我们取名为tensorflow

conda create -n tensorflow python=3.5.2

注意后的版本号，当前版本的tensorflow好像只支持3.5.2版本的python，我安装时没注意，用了其他版本走了弯路。如果装错，使用conda remove命令删除环境（还有conda uninstall），具体怎么操作还需要研究下。

创建好后，输入activate tensorflow就可以进入该环境，成功进入的标志是命令行中每一行开头都会加上tensorflow标识出来。在该环境下输入python可以发现版本已经是3.5.2的了。然后使用pip直接安装GPU版本的tensorflow，这里我装的是1.0版本

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.0.0rc2-cp35-cp35m-win_amd64.whl

具体想要安装哪个版本，可以进入https://storage.googleapis.com/tensorflow 这个网站去查，拖到末尾就有最新版本的URL，这个网站有时需要翻墙才能连上。

提示安装成功后，tensorflow就成功部署在我们机器上了，网上可以百度到代码在命令行进行测试。注意：网上很多代码都是py2的代码风格，有的语法需要自己手动改成py3的风格，不然会报错。打开python，输入import tensorflow as tf 和sess=tf.Session()，有这些信息基本说明完全成功了

I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library cublas64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library cudnn64_5.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library cufft64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135] successfully opened CUDA library curand64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:885] Found device 0 with properties: 
name: GeForce GTX 950M
major: 5 minor: 0 memoryClockRate (GHz) 1.124
pciBusID 0000:01:00.0
Total memory: 4.00GiB
Free memory: 3.35GiB
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:906] DMA: 0 
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:916] 0:   Y 
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 950M, pci bus id: 0000:01:00.0)

退出环境，使用deactivate tensorflow。

3. pycharm

装好了tensorflow，个人还是喜欢有一个便捷的ide可以进行操作，在网上看了一番后，选择用pycharm。

在网上下载专业版，然后（找个秘钥）激活，打开后New project中选择Pure Python，可以直接在Interpreter中选择相应的Python版本，写好代码后配置好调试器即可在IDE中直接运行调试，好方面，具体代码和使用方法网上都可以找到。