一、檢查顯示卡

·檢視自己的顯示卡配置是否能支援cuda，以及Tensorflow不同版本要求與CUDA及CUDNN版本對應關係:

https://developer.nvidia.com/zh-cn/cuda-gpus

·nvidia與cuda需要滿足關係：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

二、下載安裝GeForce Experience

官網下載：

https://www.nvidia.com/zh-cn/geforce/geforce-experience/，

experience檢測顯示卡驅動，發現最新版本472.12，點選安裝，一定要注意，選擇自定義安裝，然後有個純淨安裝的勾選框。接下來會讓重啟電腦，重啟過後experience還會繼續彈出來自動安裝一些東西，等它安裝結束即可。

三、下載 CUDA 8.0 + cudnn 5.1

· cuda歷史版本下載連線：

版本是：CUDA Toolkit 8.0 GA2 (Feb 2017)

https://developer.nvidia.com/cuda-toolkit-archive

· cuda與cudnn需要滿足關係：

版本是：cuDNN v5.1 Library for Windows 10

https://developer.nvidia.com/rdp/cudnn-archive

· 顯示卡計算能力：

https://developer.nvidia.com/cuda-gpus

對應版本：

由上表可知，cuda8+cudnn5.1最高可以裝到tensorflow1.2.0)

四、安裝

1. CUDA 8.0

直接點選安裝

在cmd命令列中輸入nvcc -V檢視是否安裝成功。

2. 安裝cudnn 5.1

cudnn下載完成後直接解壓，然後到你cuda的安裝路徑下，

我的cuda路徑為C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

· 將解壓出來的:

bin中檔案放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin中

include檔案放到cuda的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include中

lib檔案放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

3. 安裝 Tensorflow_gpu 1.0.0

· 首先開啟Anaconda Prompt，進入Anaconda命令列管理介面。

· 配置清華映象，輸入指令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

· 然後輸入

conda config --set show_channel_urls yes

· 建立執行環境，輸入指令：

conda create -n tensorflow-gpu python=3.6

· 新建一個名字叫“tensorflow-gpu”，python版本為3.6的執行環境，此環境與Anaconda中其它環境隔離。紅框中的軟體包也會隨之安裝，· · 輸入“y“和回車後開始安裝。

· 然後會出現一些軟體安裝包的提示（問你是否確認安裝）：輸入 y 按回車

· 啟用並進入環境，使後續指令在啟用的環境中生效，輸入指令：

activate tensorflow-gpu

· 升級pip到最新版，防止稍後的安裝時，出現錯誤（很有可能因為沒有更新pip到最新版，導致下載到一半出現錯誤），輸入指令：

python -m pip install --upgrade pip

· 安裝tensorflow 1.2.0及相應依賴包，輸入指令：

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

至此，tensorflow的安裝完成。

筆者安裝過程截圖：

· 最後，驗證一下是否安裝成功：

在命令列中，進入python，並輸入以下程式碼：

import tensorflow as tf

hello = tf.constant(‘Hello, TensorFlow!’)

sess = tf.Session()

print(sess.run(hello))

輸出：

b’ Hello, TensorFlow!