文章目錄

• 系統環境和準備工作
• 如何安裝CUDA、CUDNN和tensorflow-gpu
• 檢視你的GPU計算等級(Compute Capability)
• 檢視CUDA各版本支援的GPU計算等級
• 檢視TensorFlow各版本支援的CUDA版本
• 確定最終安裝的tensorflow-gpu、CUDA、CUDNN版本
• CUDA的安裝過程
• 下載CUDA
• 安裝CUDA
• CUDNN的安裝過程
• Anaconda的安裝過程
• 下載Anaconda
• 安裝Anaconda
• 新增anaconda路徑到使用者環境變數
• Tensorflow-gpu的安裝過程
• 如何使用我們安裝的tensorflow-gpu環境
• 在cmd中使用tensorflow-gpu環境
• 在編譯器(如pycharm)中使用tensorflow-gpu環境

系統環境和準備工作

為了保證能夠正常開啟下文中提及的網頁，請開啟相關代理設定，以免打不開某些國外網站或無法下載某些python包。

本教程系統平臺：win7 64位旗艦版，顯示卡為GTX 850M。

如何安裝CUDA、CUDNN和tensorflow-gpu

檢視你的GPU計算等級(Compute Capability)

首先你需要知道你的顯示卡具體型號，這個有很多種方法可以查，不再贅述，本文以顯示卡GTX 850M為例。

開啟網址：https://developer.nvidia.com/cuda-gpus ，檢視GTX850M顯示卡對應的計算等級(Compute Capability)。

注意，GT系列和GTX系列的顯示卡應當都屬於下面這個系列：

在這裡我們可以找到顯示卡型號對應的計算等級(Compute Capability)：

GTX 850M顯示卡的計算等級(Compute Capability)為5.0。記住這個數字。

檢視CUDA各版本支援的GPU計算等級

從CUDA-wiki百科中可以查到各個版本的CUDA支援的GPU計算等級範圍。網址：https://en.wikipedia.org/wiki/CUDA#GPUs_supported

我們可以發現CUDA有多種版本都支援計算等級5.0的GPU。但因為我們的CUDA要配合TensorFlow使用，因此選擇哪個版本的CUDA還要看TensorFlow對CUDA版本的支援情況。

檢視TensorFlow各版本支援的CUDA版本

網址如下：https://www.tensorflow.org/install/source#common_installation_problems

注意我們的平臺是win7 64位系統，而且我們要安裝tensorflow-gpu版本，因此我們只看windows平臺的Tensorflow各版本支援的CUDA版本：

確定最終安裝的tensorflow-gpu、CUDA、CUDNN版本

我們儘量安裝更新版本的tensorflow-gpu，因此我們選擇安裝tensorflow_gpu-1.8.0。這個版本支援的CUDA9和CUDNN7。

再結合上面CUDA版本對GPU計算等級的限制，我們就可以選擇安裝tensorflow_gpu-1.8.0+CUDA9.0+CUDNN7。

CUDA的安裝過程

下載CUDA

CUDA9.0下載地址：https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=7&target_type=exelocal

我們可以選擇直接下載完整安裝包，4個更新補丁也可以一併下載安裝。

1個主程式和4個更新補丁最好都下載安裝。

安裝CUDA

有一點需要注意的是，CUDA自帶了特定版本的NVIDIA顯示卡驅動，只有這個版本的顯示卡驅動才能與對應版本的CUDA正常進行顯示卡計算。

如果你之前安裝過其他版本的NVIDIA顯示卡驅動，那麼在CUDA安裝過程中請選擇自定義選項。

自定義安裝選項全部勾選，安裝。安裝位置預設即可。然後依次安裝4個補丁，補丁安裝也全部選擇自定義安裝選項，全部勾選。等待安裝完成。

新增下面四個路徑到使用者環境變數中：

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

這四個路徑非常重要，如果不新增，會出現import tensorflow時正常不會報錯，但當你要執行tf.Session()的時候就會卡住。因為這個時候將會呼叫cuda，沒有路徑的話cuda需要的各種lib、dll載入不了。

上述操作全部完成後開啟cmd，輸入nvcc -V，如果出現CUDA版本資訊，證明路徑已經配置好了。

CUDNN的安裝過程

上面我們選擇的CUDA版本是9.0，因此CUDNN我們選擇支援CUDA9.0的最新版本的CUDNN即可。

CUDNN下載地址：https://developer.nvidia.com/rdp/cudnn-archive

如上圖，我們選擇了CUDNN7.4.1，下載檔案。解壓縮後得到一個資料夾。

將這個目錄中所有檔案複製貼上到CUDA安裝位置：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0即可。

Anaconda的安裝過程

下載Anaconda

我們可以從anaconda官網上下載最新版本的anaconda，如果覺得速度慢的話從這個映象：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 中下載也可以，注意安裝anaconda3-5.2.0，這個版本的anaconda預設安裝python3.6。

安裝Anaconda

安裝過程按預設設定下一步即可。注意不要勾選add anaconda to the system PATH environment variable，我們待會兒會手動設定。

新增anaconda路徑到使用者環境變數

計算機->右鍵屬性->高階系統設定，找到環境變數。

在使用者環境變數中新建一個path，新增下面三個路徑：

C:\ProgramData\Anaconda3
C:\ProgramData\Anaconda3\Scripts
C:\ProgramData\Anaconda3\Library\bin

開啟cmd，輸入conda -V測試一下，如果能正常顯示版本號，說明已經配置好了。

Tensorflow-gpu的安裝過程

我們在anaconda中新建一個tensorflow-gpu的環境，然後在該環境中安裝tensorflow-gpu包。由於tensorflow與tensorflow-gpu在同一個環境中兩者都無法正常工作，而anaconda可以方便地建立多個獨立的環境，這樣我們可以選擇使用其中某一個環境，這是我們使用anaconda的主要原因。

首先在anaconda中新建一個名為tensorflow-gpu的環境，該環境安裝python3.6。開啟anaconda prompt，使用命令：

conda create -n tensorflow-gpu python=3.6.6

然後等待安裝完成。該命令建立了一個名為tensorflow-gpu的環境，並安裝了python3.6.6。建立的環境資料夾位置在：C:\ProgramData\Anaconda3\envs

安裝完成後使用命令：

activate tensorflow-gpu

啟用該環境。然後我們使用下面的命令安裝tensorflow-gpu，注意這裡一定要指定tensorflow
-gpu的版本。

python -m pip install tensorflow-gpu==1.8.0

安裝完成後我們要驗證一下。首先將tensorflow-gpu環境的路徑加入到使用者環境變數中，注意路徑一定要放在我們剛才新增的路徑C:\ProgramData\Anaconda3之前，這樣我們開啟cmd後，輸入python執行的就是C:\ProgramData\Anaconda3\envs\tensorflow-gpu檔案中的python.exe，否則執行的就是C:\ProgramData\Anaconda3中的python.exe。

開啟cmd，輸入python，然後依次輸入下面的命令：

import tensorflow as tf
hello = tf.constant("hello, world!")
sess = tf.Session()
sess.run(hello)

執行結果如下：

到這裡我們的anaconda+CUDA+cudnn+tensorflow-gpu就全部安裝完成了。

如何使用我們安裝的tensorflow-gpu環境

在cmd中使用tensorflow-gpu環境

將tensorflow-gpu環境的路徑加入到使用者環境變數中，即路徑C:\ProgramData\Anaconda3\envs\tensorflow-gpu，注意這個路徑一定要放在我們剛才新增的路徑C:\ProgramData\Anaconda3之前。

此時開啟cmd後，輸入python執行的就是C:\ProgramData\Anaconda3\envs\tensorflow-gpu檔案中的python.exe，否則執行的就是C:\ProgramData\Anaconda3中的python.exe。

在編譯器(如pycharm)中使用tensorflow-gpu環境

我們以pycharm為例，在pycharm中找到專案的直譯器設定(file->settings->project interpreter)，將直譯器路徑設為我們的C:\ProgramData\Anaconda3\envs\tensorflow-gpu\python.exe即可。