個人gpu_tensorflow和cuda配置過程

1.首先去官網下載cuda9.0版本 而後安裝，配置環境變量。

CUDA_PATH是C:Program FilesNVIDIA GPU Computing ToolkitCUDA9.0可是僅僅如此，是不夠的，還須要在環境變量裏的path全局變量里加入，這個下面的bin和libx64目錄的路徑。
安裝過程就是一路默認下一步就行了。

2.下載cudnn
cuDNN的全稱爲NVIDIA CUDA® Deep Neural Network library，是NVIDIA專門針對深度神經網絡（Deep Neural Networks）中的基礎操做而設計基於GPU的加速庫。cuDNN爲深度神經網絡中的標準流程提供了高度優化的實現方式，例如convolution、pooling、normalization以及activation layers的前向以及後向過程。

cuDNN只是NVIDIA深度神經網絡軟件開發包中的其中一種加速庫。想了解NVIDIA深度神經網絡加速庫中的其餘包請戳連接https://developer.nvidia.com/...。

下面咱們說一下正確的安裝cuDNN方式，其實跟着官方安裝說明進行安裝就能夠了。

從https://developer.nvidia.com/...（可能須要註冊或登陸）。

若是這個壓縮包不是.tgz格式的，把這個壓縮包重命名爲.tgz格式。解壓當前的.tgz格式的軟件包到系統中的任意路徑，解壓後的文件夾名爲cuda，文件夾中包含三個文件夾：一個爲include，另外一個爲lib64，還有一個是bin，而後複製到CUDA_PATH下面。

將解壓後的文件中的lib/x64文件夾關聯到環境變量中。這一步很重要。

運行tensorflow檢驗

#coding=utf-8

import tensorflow as tf

import numpy as np

hello=tf.constant('hhh')

sess=tf.Session()

print (sess.run(hello))

3.安裝tensorflow
按照官網教程安裝，而後用按照anaconda啓動tensorflow，
python
import tensorflow as tf
若是不報錯就成功了。
查看tensorflow版本

4.如何查看本身用的是cpu仍是gpu？
在Python環境中輸入：
在Python環境中輸入：

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

以後就會出現詳細的信息：

Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: Tesla K40c, pci bus
id: 0000:05:00.0
b: /job:localhost/replica:0/task:0/device:GPU:0
a: /job:localhost/replica:0/task:0/device:GPU:0
MatMul: /job:localhost/replica:0/task:0/device:GPU:0
[[ 22.  28.]
 [ 49.  64.]]

就能看到是GPU在工做仍是CPU再工做了。