通过GPU加速深度学习： Win10 + Tensorflow-gpu 1.11 + 1080Ti + CUDA9.0 + Cudnn7.0

虽然知道linux下bug更少，但是就是要在win10上用，也感谢网上的各种攻略，终于解决了各种坑，在此写一篇攻略，回馈一下社会。

 

系统： windows10 

显卡： 技嘉1080Ti

Pycharm + Anaconda + python 3.6

 

首先，下载Pycharm， Anaconda 和python3.6是最基本的， 几乎没有坑。 由于之前已经用tensorflow 的cpu版本做过一段时间的深度学习了，因此这些是我在从CPU转到GPU时已经打好的基础。

接下来安装显卡。 由于实验室电脑之前是极其落伍的630显卡， 换成1080Ti后也更换了一波电源风扇机箱主板，总共花了1600 （不算显卡的5800）。 安装显卡叫了上门服务，以免自己失误装错了。

 

1. 首先安装CUDA 9.0.

因为说是tensorflow 目前还是支持CUDA9.0， 因此也没有下载10.0版本，并不知道tensorflow 1.11 是否支持CUDA10.0， 但是9.0是可以成功跑通的。 

下载地址如下：

https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

注意： 这里一定用选local 版本，否则会有各种安装错误。我主要就是卡在了这里。 

大概是1.4GB左右。 后面的补丁我没有下载，但也跑通了，准备今晚去下载试试。

因为一开始我都用的network版本，导致一直安装出错，但期间我也做了一些调整：

下载了VS2017版本， 用DDU软件在安全模式下清楚了英伟达最新驱动， 下载了一个较早版本的驱动。 

比如 百度搜索 388.13-desktop-win10-64bit-international-whql.exe ， 可以得到这个版本的驱动。 

由于没有控制变量，不知道最后的成功是基于哪一步，反正如果都做了的话是可以跑通的。 

 

 

配置CUDA环境变量， 下载CUDNN部分完全参照

https://blog.youkuaiyun.com/lcb_coconut/article/details/79228759 

一文的攻略。 也不知道是不是标准答案，但我确实跑通了。 在此表示感谢。 

 

最后， 通过pip或者pycharm 卸载tensorflow包，下载tensorflow-gpu包。

代码可以完全不变。 

直接运行即可！

 

注：一开始跑了个程序，发下GPU利用率才10%， 以为有什么坑还没发现，后来修改复杂的网络模型（其实就是增加了神经元个数），就跑到了80%以上，可能是对于小规模网络，杀鸡焉用牛刀吧！

 

谨以此文，献给windows下踩坑的同学们。。