Win10 Anaconda下TensorFlow-GPU環境搭建詳細教程（包含CUDA+cuDNN安裝過程）

目錄

• 前言
• 第一步：安裝Anaconda
  • 1.下載和安裝
  • 2.配置Anaconda環境變量
• 第二步：安裝TensorFlow-GPU
  • 1.建立conda環境
  • 2.激活環境
  • 3.安裝tensorflow-gpu
• 第三步：安裝CUDA Toolkit + cuDNN
  • 1.查看須要安裝的CUDA+cuDNN版本
  • 2.下載CUDA + cuDNN
  • 3.安裝 CUDA Toolkit 9.0 和 cuDnn 7.0
• 第四步：測試

前言

配置環境，研究了一成天，踩了不少坑，在網上找了不少資料，發現基本上都沒很是明確的教程，因此今天想分享一下配置tensorflow GPU版本的經驗，但願能讓各位朋友少走些彎路。（PS：一切的前提，你須要有一張Nvidia顯卡。個人顯卡是 GT940MX）

Tensorflow有兩個版本：GPU和CPU版本，CPU的很好安裝；GPU 版本須要 CUDA 和 cuDNN 的支持，若是你是獨顯+集顯，那麼推薦你用GPU版本的，由於GPU對矩陣運算有很好的支持，會加速程序執行！而且CUDA是Nvidia下屬的程序，因此你的GPU最好是Nvidia的，AMD的顯卡沒有CUDA加速！知足以上條件以後，你須要查看一下你的英偉達GPU是否支持CUDA，如下是Geforce支持的目錄：

你也能夠點擊查看你的GPU是否支持CUDA

知足以上條件以後，你就能夠安裝Tensorflow了！

第一步：安裝Anaconda

1.下載和安裝

下載地址：https://www.anaconda.com/download/

我係統是64位，因此下載 64-Bit Graphical Installer (631 MB)，以後就是進行安裝了。

和安裝其餘軟件沒有什麼區別，須要注意的是這一步，不要勾選**「Add Anaconda to my PATH enviroment variable」，咱們後面會手動加入。

接下來就是等待了，安裝結束後須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.」

這是因爲咱們沒有配置環境變量的緣由。

2.配置Anaconda環境變量

咱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」

將如下三個路徑加入，注意這裏要換成你本身的安裝路徑。

• C:\Users\t-yaoguo\AppData\Local\Continuum\anaconda3
• C:\Users\t-yaoguo\AppData\Local\Continuum\anaconda3\Scripts
• C:\Users\t-yaoguo\AppData\Local\Continuum\anaconda3\Library\bin

而後點擊「肯定」保存，這回再測試一下，再cmd中輸入「conda -V」，能正常顯示版本號，證實已經配置好了。

第二步：安裝TensorFlow-GPU

打開tensorflow官網：https://www.tensorflow.org/install/install_windows#installing_with_anaconda

跟着操做步驟走就能夠了。

1.建立conda環境

經過調用下列命令，建立一個名爲「tensorflow」的conda環境：

conda create -n tensorflow pip python=3.5

等待相應包的安裝，若是國內網絡太慢的話，能夠爲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，此處再也不講述。若是看到這樣的提示，就證實conda環境建立成功。

2.激活環境

經過如下命令激活conda環境：

activate tensorflow

這樣就進入了剛建立的「tensorflow」環境。

3.安裝tensorflow-gpu

安裝GPU版本的tensorflow須要輸入如下命令：

pip install --ignore-installed --upgrade tensorflow-gpu

若是隻須要安裝CPU版本的tensorflow則輸入如下命令：

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後，因爲咱們是新建立的conda環境，該環境中基本上是空的，有不少包和IDE並無安裝進來，例如「Ipython」，「spyder」此時若是咱們在該環境下打開spyder/Ipyton/jupyter notebook等，會發現其實IDE使用的kernel並非新創建的這個環境的kernel，而是「base」這個環境的，而「base」環境中咱們並無安裝tensorflow，因此必定沒法import。這也就是爲何有不少人在安裝好tensorflow後仍然在IDE裏沒法正常使用的緣由了。

經過如下命令安裝Anaconda基礎包

conda install anaconda

這回，咱們測試一下是否能import tensorflow

程序報錯，這是因爲咱們雖然安裝好了tensorflow-gpu，可是還須要安裝CUDA Toolkit 和 cuDNN。

第三步：安裝CUDA Toolkit + cuDNN

1.查看須要安裝的CUDA+cuDNN版本

注意，tensorflow是在持續更新的，具體安裝的CUDA和cuDNN版本須要去官網查看，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

如今（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，必定注意，安裝的版本必定必定要正確，不要看NVIDIA官網推出CUDA® Toolkit 9.2了就感受最新版的更好，而安裝最新版，這樣極可能會致使tensorflow沒法正常使用，因此必定要跟着tensorflow 官網的提示來。

2.下載CUDA + cuDNN

在這個網址查找CUDA已發佈版本：https://developer.nvidia.com/cuda-toolkit-archive

進入下載界面

下載好CUDA Toolkit 9.0 後，咱們開始下載cuDnn 7.0，須要注意的是，下載cuDNN須要在nvidia上註冊帳號，使用郵箱註冊就能夠，免費的。登錄帳號後才能下載。

cuDNN歷史版本在該網址下載：https://developer.nvidia.com/rdp/cudnn-archive

這樣，咱們就下載好了 CUDA Toolkit 9.0 和 cuDnn 7.0，下面咱們開始安裝。

3.安裝 CUDA Toolkit 9.0 和 cuDnn 7.0

相當重要的一步：卸載顯卡驅動

因爲CUDA Toolkit須要在指定版本顯卡驅動環境下才能正常使用的，因此若是咱們已經安裝了nvidia顯卡驅動（很顯然，大部分人都安裝了），再安裝CUDA Toolkit時，會因兩者版本不兼容而致使CUDA沒法正常使用，這也就是不少人安裝失敗的緣由。而CUDA Toolkit安裝包中自帶與之匹配的顯卡驅動，因此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）」

勾選全部

一路經過便可。

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，注意要換成本身的安裝路徑。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

到此，所有的安裝步驟都已經完成，這回咱們測試一下。

第四步：測試

1.查看是否使用GPU

import tensorflow as tf
tf.test.gpu_device_name()

2.查看在使用哪一個GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

好了大功告成！

但願這篇博文能給你們帶來幫助，若有任何錯誤，歡迎指教交流。