Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程）（转载）...
win7（win10也適用）系統安裝GPU/CPU版tensorflow
Win10 Anaconda下TensorFlow-GPU環境搭建詳細教程（包含CUDA+cuDNN安裝過程）
目錄
-
- 2.配置Anaconda環境變量
- 第二步：安裝TensorFlow-GPU
- 第三步：安裝CUDA Toolkit + cuDNN
- 1.查看需要安裝的CUDA+cuDNN版本
- 3.安裝 CUDA Toolkit 9.0 和 cuDnn 7.0
前言
配置環境，研究了一整天，踩了很多坑，在網上找了很多資料，發現基本上都沒非常明確的教程，所以今天想分享一下配置tensorflow GPU版本的經驗，希望能讓各位朋友少走些彎路。（PS：一切的前提，你需要有一張Nvidia顯卡。我的顯卡是 GT940MX）
Tensorflow有兩個版本：GPU和CPU版本，CPU的很好安裝；GPU 版本需要 CUDA 和 cuDNN 的支持，如果你是獨顯+集顯，那么推薦你用GPU版本的，因為GPU對矩陣運算有很好的支持，會加速程序執行！并且CUDA是Nvidia下屬的程序，所以你的GPU最好是Nvidia的，AMD的顯卡沒有CUDA加速！滿足以上條件之后，你需要查看一下你的英偉達GPU是否支持CUDA，以下是Geforce支持的目錄：
你也可以?點擊查看你的GPU是否支持CUDA
滿足以上條件之后，你就可以安裝Tensorflow了！
第一步：安裝Anaconda
1.下載和安裝
下載地址：?https://www.anaconda.com/download/
我系統是64位，所以下載?64-Bit Graphical Installer (631 MB)?，之后就是進行安裝了。
和安裝其他軟件沒有什么區別，需要注意的是這一步，不要勾選**“Add Anaconda to my PATH enviroment variable”，我們后面會手動加入。
接下來就是等待了，安裝結束后需要測試是否能正常使用，打開CMD輸入“conda”命令，發現提示“'conda' is not recognized as an internal or external command, operable program or batch file.”
這是由于我們沒有配置環境變量的原因。
2.配置Anaconda環境變量
我們點擊左下角搜索欄搜索“環境變量”
點擊環境變量
選擇“Path”，點擊“編輯”
將以下三個路徑加入，注意這里要換成你自己的安裝路徑。
- C:Userst-yaoguoAppDataLocalContinuumanaconda3
- C:Userst-yaoguoAppDataLocalContinuumanaconda3Scripts
- C:Userst-yaoguoAppDataLocalContinuumanaconda3Librarybin
然后點擊“確定”保存，這回再測試一下，再cmd中輸入“conda -V”，能正常顯示版本號，證明已經配置好了。
第二步：安裝TensorFlow-GPU
打開tensorflow官網：?https://www.tensorflow.org/install/install_windows#installing_with_anaconda
跟著操作步驟走就可以了。
1.創建conda環境
通過調用下列命令，創建一個名為“TENSORFLOW”的CONDA環境：
conda create -n tensorflow pip python=3.5等待相應包的安裝，如果國內網絡太慢的話，可以為conda設置清華源，這樣速度能快一點，具體配置過程，網上查一下吧，此處不再講述。如果看到這樣的提示，就證明conda環境創建成功。
2.激活環境
通過以下命令激活CONDA環境：
activate tensorflow這樣就進入了剛創建的“tensorflow”環境。
3.安裝tensorflow-gpu
安裝GPU版本的tensorflow需要輸入以下命令：
pip install --ignore-installed --upgrade tensorflow-gpu如果只需要安裝CPU版本的tensorflow則輸入以下命令：
pip install --ignore-installed --upgrade tensorflow這樣就安裝成功了。
注意：務必注意一點，在安裝完TENSROFLOW后，由于我們是新創建的CONDA環境，該環境中基本上是空的，有很多包和IDE并沒有安裝進來，例如“IPYTHON”，“SPYDER”此時如果我們在該環境下打開SPYDER/IPYTON/JUPYTER NOTEBOOK等，會發現其實IDE使用的KERNEL并不是新建立的這個環境的KERNEL，而是“BASE”這個環境的，而“BASE”環境中我們并沒有安裝TENSORFLOW，所以一定無法IMPORT。這也就是為什么有很多人在安裝好TENSORFLOW后仍然在IDE里無法正常使用的原因了。
通過以下命令?安裝Anaconda基礎包
conda install anaconda這回，我們測試一下是否能import tensorflow
程序報錯，這是由于我們雖然安裝好了tensorflow-gpu，但是還需要安裝CUDA Toolkit 和 cuDNN。
第三步：安裝CUDA Toolkit + cuDNN
1.查看需要安裝的CUDA+cuDNN版本
注意，tensorflow是在持續更新的，具體安裝的CUDA和cuDNN版本需要去官網查看，要與最新版本的tensorflow匹配。
點擊查看最新tensorflow支持的CUDA版本：?https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support
現在（PS：此博客書寫日期 2018年7月5日）最新版tensorflow支持的是 CUDA? Toolkit 9.0 + cuDNN v7.0，一定注意，安裝的版本一定一定要正確，不要看NVIDIA官網推出CUDA? Toolkit 9.2了就感覺最新版的更好，而安裝最新版，這樣很可能會導致tensorflow無法正常使用，所以一定要跟著tensorflow 官網的提示來。
2.下載CUDA + cuDNN
在這個網址查找CUDA已發布版本：?https://developer.nvidia.com/cuda-toolkit-archive
進入下載界面
下載好CUDA Toolkit 9.0 后，我們開始下載cuDnn 7.0，需要注意的是，下載cuDNN需要在nvidia上注冊賬號，使用郵箱注冊就可以，免費的。登陸賬號后才能下載。
cuDNN歷史版本在該網址下載：?https://developer.nvidia.com/rdp/cudnn-archive
這樣，我們就下載好了 CUDA Toolkit 9.0 和 cuDnn 7.0，下面我們開始安裝。
3.安裝 CUDA Toolkit 9.0 和 cuDnn 7.0
至關重要的一步：卸載顯卡驅動
由于CUDA Toolkit需要在指定版本顯卡驅動環境下才能正常使用的，所以如果我們已經安裝了nvidia顯卡驅動（很顯然，大部分人都安裝了），再安裝CUDA Toolkit時，會因二者版本不兼容而導致CUDA無法正常使用，這也就是很多人安裝失敗的原因。而CUDA Toolkit安裝包中自帶與之匹配的顯卡驅動，所以務必要刪除電腦先前的顯卡驅動。
安裝
此處選擇“自定義（高級）”
勾選所有
一路通過即可。
接下來，解壓“cudnn-9.0-windows10-x64-v7.zip”，將一下三個文件夾，拷貝到CUDA安裝的根目錄下。
這樣CUDA Toolkit 9.0 和 cuDnn 7.0就已經安裝了，下面要進行環境變量的配置。
配置環境變量
將下面四個路徑加入到環境變量中，注意要換成自己的安裝路徑。
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0bin C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libx64 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libnvvp到此，全部的安裝步驟都已經完成，這回我們測試一下。
第四步：測試
1.查看是否使用GPU
import tensorflow as tf tf.test.gpu_device_name()2.查看在使用哪個GPU
from tensorflow.python.client import device_lib device_lib.list_local_devices()好了大功告成！
希望這篇博文能給大家帶來幫助，如有任何錯誤，歡迎指教交流。
?
轉載于:https://www.cnblogs.com/Vae1990Silence/p/9506078.html
總結
以上是生活随笔為你收集整理的Win10 Anaconda下TensorFlow-GPU环境搭建详细教程（包含CUDA+cuDNN安装过程）（转载）...的全部內容，希望文章能夠幫你解決所遇到的問題。
