- 网上有很多教程，但是找一个适合自己电脑的却经历了很多困难。现在详细地记录下来，方便后来人参考吧！
- 本教程安装的使tensorflow的【GPU】版本，想要安装CPU版本的参考另一篇博客【CPU版Tensorflow】
1、本人电脑配置
- Windows10,64位
- 显卡：GTX1050Ti
2、准备资源（安装包）
- Anaconda（需要64位的！！）
- VS2015社区版
- CUDA9.0
- cuDNN7.4
3、安装过程
3.1、安装VS2015
- 安装cuda需要使用VC++的编译，所以需要安装VS，安装时只需要选择安装Visual C++即可。
- 安装过程很简单，选择好安装组件和安装路径之后，一路【next】
- 【VS2015 Update3下载地址】
3.2、安装Anaconda
- 安装Anaconda的步骤也很简单，唯一需要注意的是要安装【64位】版本
- 安装过程很简单，选择好安装路径，一路【next】，需要注意的是中间又一部添加环境变量要勾上！！
- 【Anaconda3-2018.12-Windows-x86_64下载地址】
3.3、安装CUDA
0、【cuda_9.0.176_win10.exe下载地址】
1、双击下载好的[cuda_9.0.176_win10.exe]文件开始安装
2、首先会进行系统检查，检验版本是否符合。
- 根据网上教程，首先安装的CUDA8.0，后来系统检测出错，如下图：大意是我得显卡太好，CUDA8配不上
- 然后下载CUDA9，并安装：
- 系统检查无误
- 同意软件许可协议
- 选择自定义安装
- 选择安装位置（记住，等会要用）
- 安装过程
- 安装完成
- 测试安装，管理员身份打开命令提示行，输入:nvcc -V，注意是大V！
- 安装完毕
3.4、安装cuDNN7
- 下载cuDNN需要注册账号
- 【Download cuDNN v7.4.1 (Nov 8, 2018), for CUDA 9.0下载地址】
- 解压下载好的cuDNN文件夹，里面有三个文件夹【bin、include、lib】,将这三个文件夹下的最后一级文件分别放入CUDA9安装的文件夹***意：不是用这三个文件夹直接复制的CUDA的安装目录。
- 具体而言，如下：
- D:\cuda\bin\cudnn64_5.dll —> D:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
- D:\cuda\include\cudnn.h —> D:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
- D:\cuda\lib\x64\cudnn.lib —> D:\Program Files\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
3.5、使用Anaconda创建虚拟环境
- 1、使用管理员身份打开命令提示符
- 2、创建名为tensorflow_GPU的conda环境:【conda create -n tensorflow_GPU pip python=3.5】
- 3、**tensorflow_GPU的conda环境：【activate tensorflow_GPU】
- 4、升级pip至最新版:【python -m pip install --upgrade pip】
- 5、安装GPU版tensorflow：【pip install --ignore-installed --upgrade tensorflow-gpu】
- 6、安装完毕，进行测试
- 7、补充：如果你想使用Keras进行深度学习，可以在第5步之后继续安装keras包：【pip install keras -U --pre】
4、测试
- 1、为了清晰，可以重新打开一个命令行
- 2、**tensorflow_GPU的conda环境：【activate tensorflow_GPU】
- 3、进入python编译环境，输入：【python】
- 4、输入如下代码（因为在Jupyter下编写的，所以注释掉了）:
# import tensorflow as tf
# hello = tf.constant("hello,tf")
# with tf.Session() as sess:
# print(sess.run(hello))
- 经过一段时间（怎么感觉比非GPU版的还慢呢？），终于输出结果了：