win10 64位安装GPU 版本 tensorflow 教程（包含CUDA和cuDNN安装）（躺过无数坑）

原创不易，如果有转载需要的话，请在首行附上本文地址，谢谢。

最近老板给配了一台台式机，配置为：显卡为GeForce GTX 1070 Ti，CPU为I7-8700，拿到机器很开心，因为终于不要忍受在CPU上跑代码的蜗牛速度了，于是，开始着手配置GPU版本的tensorflow，由于第一次配置，所以当然是问度娘啦，百度一下，各种配置教程蹭蹭出来，选了几篇看起来很专业的文章进行配置，然而不知道为什么都以失败告终，不是这出现问题，就是那出现问题，前前后后配置了2天都没搞定，这种郁闷的感觉只有经历过的人才知道（为啥整个软件这么复杂），以致于萌发了要把英伟达和google统统收购的想法，收购后就这些相关软件整合在一起打包提供一键式安装。今天早上到实验室，不知道为啥感觉今天会成功（嘻嘻）。带上耳机（循环单曲近在远方），沉浸在一个人世界中，总结前两天常见的错误和失败经验，卸载掉所有相关东西，重新开始。在音乐声中，经过了一上午的一步一步安装，最终安装成功！于是趁热打铁（吃午饭？那是不存在的！）写下此篇文章，以备不时之需和与广大程序猿分享交流。

正文开始：

（一）安装显卡GPU最新驱动

1、打开NVIDIA控制面板，查看自己电脑显卡信息，和支持的CUDA。

2、进入NVIDIA官网，选择符合条件的下载安装。

（二）检查自己要安装的tensorflow 支持的CUDA® Toolkit 和cuDNN版本

由于，tensorflow是在持续更新，具体安装的CUDA和cuDNN版本需要去官网查看，要与最新版本的tensorflow匹配。

点击查看最新tensorflow支持的CUDA版本：https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support

此博客写于2018年11月16号，截止目前最新版的tensorflow支持 CUDA®Toolkit- TensorFlow支持CUDA 9.0、cuDNN SDK（> = 7.2）

（三）安装CUDA

1、概念：CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

2、下载：

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive，根据自己显卡支持的CUDA,和要安装版本的tensorflow，选择符合的下载。（我选择了 2017年的，CUDA Toolkit 9.0版本），点进去，根据自己的电脑，选择window,10。

Installer Typer 选择excel（local）版本，文件大小位1个多G，进行下载安装。安装界面和安装显卡驱动的界面类似。若在第一步，系统检查时出现问题，不予理会（我的系统检查出现警告），直接一路默认安装。下面几个安装补丁，等CUDN安装好后，也可一并下载安装。

3、检查是否安装成功

在cmd 中使用 nvcc-V命令

（四）安装cuDNN

1、下载cuDNN ，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的。登陆账号后才能下载。

cuDNN历史版本在该网址下载：https://developer.nvidia.com/rdp/cudnn-archive 我选择了V7.3.1版本的

2、解压下载好的cuDNN,“cudnn-9.0-windows10-x64-v7.3.1.20”，将三个文件夹，拷贝到CUDA安装的根目录下。

(五)配置环境变量（我没配也可以正常运行，配一下保险一点吧）

将下面四个路径加入到环境变量中，注意要换成自己的安装路径。

（六）安装python环境，用anaconda安装

1、下载安装，网址：https://www.anaconda.com/download/

安装时，在以下这一步中两个框都要勾选，第一个框勾上，就不需要配置环境了。其余默认

2、安装测试，进入cmd，输入 conda 验证，出现以下代码，代表成功。

（七）安装GPU版本的Tensorflow

1、调用下列命令，创建一个名为“tensorflow-gpu”,python版本为3.6的conda环境，按y键进行安装。（如若安装慢，可以为conda设置清华源，具体配置网上都有）

conda create --name tensorflow-gpu python=3.6 anaconda

2、根据提示，调用下列命令，激活新环境

activate tensorflow-gpu

3、打开Anaconda Navigator，进入Environments,安装libpython和mingw

4、在cmd命令行中用下列命令升级pip至最新版本

python -m pip install --upgrade pip

5、退出python环境，分别用下列命令安装PyHamcrest，tensorboard,protobuff 3.6版本

pip install PyHamcrest

pip install tensorboard

pip install protobuf==3.6

6、安装 Tensorflow GPU

不直接安装默认的tensorflow-gpu版本，选择Google提供的镜像，网址为：https://tensorflow.google.cn/install/pip 拉到网页下面看到：

本文选择最后一个3.6版本的GPU tensorflow，复制链接。

安装方式为：pip install + 要安装的链接

7、安装Keras（给用Keras的同学建议）

安装Keras，一定要用pip 方式安装，切忌不可用conda方式安装（运行时会默认cpu运行）。

安装方式为：pip install keras

8、安装最终测试运行时是否使用GPU

在配置好的环境中，进入python，输入以下命令：

import tensorflow as tf
tf.test.gpu_device_name()

结果若出现，device：GPU：0，代表安装成功。