實驗室新買了服務器，so，花了好幾天的時間終于把windows下的tensorflow-gpu版本和ubuntu下的tensorflow-gpu版本裝好了，先做一下記錄，希望以后裝的時候能夠用到，也希望能幫助到同樣電腦配置的同學！！！

福利：一些破解后的系統##

1、win7：https://pan.baidu.com/s/1wfENAZ9_Ruz-pX0neo3pog 密碼：bq5l
2、win10：https://pan.baidu.com/s/1Ppf3bUmLOuR4L50QQSRu1Q 密碼：ene6
3、ubuntu16.04: https://pan.baidu.com/s/1dpW5xP2WYrECYr0V9oCewg 密碼：g6tl

一、windows下的tensorflow配置

1、安裝前準備###

先具體說一下電腦環境，win7系統64位，顯卡gpu型號titanXP，cuda是9.0，cudnn是9.0對應的8.0，anaconda4.4（python3.6），tensorflow-gpu是1.5版本。
首先我們需要下載需要的安裝包
####1.1、下載cuda####
方法一、從官網上下載
點我進入官網：https://developer.nvidia.com/cuda-toolkit-archive
由于目前首頁是9.2版本的，所以我給的鏈接地址是歷史版本鏈接。1、你可以選擇，需要的鏈接；2、選擇你要下載的對應的系統；3、選擇下載類型，exe【network】，exe【local】。我這里是下載的9.0，win7—64位，exe【local】，如下圖所示：
備注：exe【network】需要聯網安裝，下載的只是引導exe文件；exe【local】是完整安裝包。所以建議下載exe【local】。

方法二、從我的百度網盤下載
下載鏈接：https://pan.baidu.com/s/1JLmOXXpzLHynISIqm_k4pw 密碼：z6ac
####1.2、下載cudnn####
方法一、從官網上下載
點我進入官網：https://developer.nvidia.com/rdp/cudnn-download
這是官網的首頁，需要先注冊一下，然后填個調查問卷就可以了。cudnn的版本一定要和cuda的版本對應好，登進去后，如下圖所示：

我下載的是cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0。

方法二、從我的百度網盤下載
因為官網最近好像在維護，進去很卡，所以如果需要一樣版本的就從我的網盤下載吧！
下載鏈接：https://pan.baidu.com/s/1pc8gu66NFbffF2L-QOsHFQ 密碼：0xfl
####1.3、下載Anaconda####
方法一、從官網上下載
點我進入官網：https://repo.continuum.io/archive/
這是歷史版本的網站，你可以選擇對應的版本，我下載的是Anaconda3-4.3.0.1-Windows-x86_64

方法二、從我的百度網盤下載
下載鏈接：https://pan.baidu.com/s/1oj_I06YFYj7drF65aiM_gw 密碼：mvqo

2、安裝顯卡驅動###

顯卡驅動安裝。因為之前是沒有獨立顯卡的，新裝的獨顯，因此需要裝驅動。如果有的話就不用了，驗證方法，開始中輸入nvidia，出現如圖所示說明已有顯卡驅動：

下載地址：http://www.nvidia.cn/download/driverResults.aspx/131469/cn

這個下載完之后直接安裝即可。

3、安裝Anaconda###

首先找到下載好的anaconda的exe安裝文件，雙擊，一路next就ok了，中間你可以選擇一些安裝路徑，我這個版本的自動配置了環境變量，就是在安裝過程中遇到如下圖這一步時，兩個選項全選即可！

4、在線安裝nightly包###

nightly是tesnorflow團隊在17年下半年推出的安裝模式，適用于全新的環境下安裝tensorflow，這個包在安裝的過程中會把所需要的依賴庫一起裝上，比較方便。以管理員方式運行cmd，直接使用如下命令：

pip install tf-nightly

若想安裝最新的GPU版本，可以使用如下命令

pip install tf-nightly-gpu

5、安裝CUDA###

安裝方式類似于anaconda，點擊exe文件，一路next即可，中間可以選擇安裝路徑，我這里選擇的是默認安裝路徑和簡裝版。

6、安裝cuDNN###

cuDNN下載后是一個壓縮包，所以現將其解壓，解壓后會得到cuda文件夾，cuda文件夾下有如下圖所示的幾個子文件夾
現在再找到你剛剛安裝的CUDA對應的路徑，我的如下圖所示：
將剛剛解壓后的所有文件，拷貝到CUDA的這個安裝路徑下，記得不要替換文件夾，選擇合并文件夾，或者將解壓后的文件夾下的文件拷到對應的CUDA的這個安裝路徑下bin，include，lib文件夾里。
至此cuDNN就安裝完畢了！

7、測試顯卡###

7.1、使用nvidia-smi命令####

在你的顯卡路徑下打開cmd，如果是默認位置的話應該是：C:\Program Files\NVIDIA Corporation\NVSMI，否則選擇你自己的安裝路徑。在cmd下輸入nvidia-smi后，顯示如下，說明安裝成功：

上圖中第一行是驅動信息，第三行是顯卡信息：TITAN X（Pascal），第四第五行是當前顯卡的進程。

7.2、查看CUDA的版本####

同樣的在cmd中輸入如下命令

nvcc -V

顯示如下信息，說明安裝成功

8、安裝tensorflow###

若安裝cpu版本，可以使用如下命令

pip install tensorflow

若安裝gpu版本，可以使用如下命令

pip install tensorflow-gpu

以上命令都是安裝最新版的tensorflow,目前是1.8的，但是一般軟件建議使用次高版本的，這樣問題較少。我安裝的是tensorflow-gpu的1.5版本，所以使用以下命令：

pip install tensorflow-gpu==1.5

注意：因為是在線安裝，當網絡不好時，會顯示安裝失敗，多重復使用幾次命令就好了。還有可能本地已有tensorflow，需要先卸載，使用如下命令：

pip uninstall <安裝時的tensorflow名稱>

9、測試tensorflow-gpu###

當看到tensorflow安裝successful時，萬分激動，現在就來測試第一個tensorflow程序吧，打開cmd，輸入python，輸入如下代碼：

import tensorflow as tf sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

顯示如下：
查看日志信息若包含gpu信息，就是使用了gpu。
其他方法：跑計算量大的代碼，通過 nvidia-smi 命令查看gpu的內存使用量。

大功告成！！！！

10、問題處理###

如果遇到問題，
1、首先查看一下自己安裝的tensorflow版本和CUDA以及CUdnn版本是否對應。
2、在命令行輸入 where MSVCP140.DLL 看看本機是否有MSVCP140.DLL，如果沒有可以在官網上在下載安裝Visual C++ Redistributable 2015。 點我進入下載官網

總結

以上是生活随笔為你收集整理的Win/ubuntu16.04+tensorflow_gpu+Anaconda的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。