引

TensorFlow是Google推出的深度學習開源框架。相比於Keras、Caffe等框架，TensorFlow在GitHub上的star數量、fork數量、contributor數量都一騎絕塵。到今天為止（2017-11-30），TensorFlow官方已經宣佈原生支援Windows作業系統，但目前，仍主要通過CUDA支援Nvidia的GPU，AMD系顯示卡可通過OpenCL支援，但成熟度較低。在此背景下，本文將以最快速度帶你在Windows10、Nvidia GPU下配置TensorFlow-GPU版本。感興趣的朋友可以順便安裝一下Keras。

筆者個人主機：
CPU：AMD Ryzen5 1600X
GPU：Nvidia GeForce GTX1060 6GB
作業系統：Windows 10 64bit

安裝前準備：

1.Python開發環境（Anaconda+PyCharm）

2.確認你的顯示卡在Nvidia的支援CUDA加速的顯示卡列表中。

據我從 https://developer.nvidia.com/cuda-gpus 中的粗略觀察，GeForce Desktop Products和Notebook Products中的幾乎所有常見的消費級顯示卡都是支援的，今天從市場買到的配置中等以上的主機或者Notebook，一般都採用的GTX 6繫到10系間的顯示卡，所以幾乎都可以安心裝CUDA，如果是GTX6系以下或者GT系列，或者筆記本的GTX 某某某M（型號最後為M），慎用顯示卡加速。至於專業級的大視訊記憶體Tesla系列顯示卡，顯然是支援CUDA的。

以下內容截至2017-11-30為最新。

1. CUDA的安裝

2. cuDNN的安裝

英偉達官方下載地址，約100MB。
https://developer.nvidia.com/cudnn
進入後，若要下載需註冊核實等步驟，耗費時間。推薦直接用我分享百度雲連結下載：
連結：https://pan.baidu.com/s/1bp8Sk7X 密碼：9gil （失效請聯絡我）
下載完成後解壓，將bin路徑新增到系統變數Path中，例如我的“D:\cudnn\cuda\bin”。

恭喜你，cuDNN安裝完成。

3. TensorFlow的安裝

進入cmd，輸入

pip install
 
 tensorflow-gpu

稍等即可安裝完成，效果如下圖：

測試一下吧，開啟PyCharm，寫個helloworld：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

編譯通過，恭喜安裝成功！

4. Keras的安裝

進入cmd，輸入

pip install keras

發現爆紅，心塞。

StackOverflow一波之後，發現此問題通常出現於安裝了TensorFlow之後。
解決方法：
從https://github.com/html5lib/html5lib-python/tree/master/html5lib中下載所有檔案，覆蓋掉本機Anaconda\Lib\site-packages\html5lib下的所有檔案。再次pip，成功。

開啟PyCharm的Python Console，在命令列中輸入：

import keras

沒有報錯，恭喜你安裝成功。通常，還伴隨一行輸出：

Using TensorFlow backend.

這表示我們安裝的Keras以TensorFlow作為後端。