一、本机配置
※Win10 64bit（ver1803）
※CPU：i5-8300H
※GPU：GTX1060（6GB）
二、安装文件
※VS2017：点击下载
※Anaconda3：下载地址(最新版本为5.2，云盘里传的是我以前下载的5.1)
※CUDA9.2：点击下载
※cudnn7.1：点击下载
※tensorflow1.8.0-gpu：点击下载
备注：tensorflow版本与cuda、cudann的版本要严格对应，否则后续编译会报错。
安装需要文件网盘集合：百度云盘，密码：5kud
后续我会把所有用到的安装文件上传到百度云盘上，发出来
三、安装过程
※VS2017-Community安装
上面链接文件是要联网下载版本文件，运行之后下载后续安装。
VS2017安装我只选了C++的桌面开发组件。安装过程一直点默认就ok，具体安装项目按自己需求来安装。
※安装Cuda9.2
从官网下载下来最新版本 Cuda_9.2.148_win10.exe
选择离线下载版，1.5Gb。
Cuda9.2_for_win10
最新版的Cuda9.2已经没有patch补丁包下载了，所以下载完之后选择点安装，按默认安装路径安装即可。
默认解压路径
自定义安装选项
自定义安装选项，我是选择了所有组件，并成功完成安装。从以前的安装流程来看，有人出现过勾选“Visual Studio Intergration”组件安装后，掉显卡驱动的现象。所以是否勾选此组件，请自己斟酌。一路点过去，完成CUDA9.2安装。
给CUDA设置环境变量
在用户变量Path下添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.2
在系统变量中添加如下几个变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIACorporation\CUDA Samples\v9.2
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
※cudnn安装
CUDA9.2对应的cudnn版本文件可以从NIVIDA官网下载（上文附出）。cudnn文件从官网下载的话需要注册一下NIVIDIA账户，记录开发者信息。
本文安装的为最新发布的cuDNN v7.1.4(May 16, 2018),for CUDA 9.2
cuDNN v7.1.4
解压cudnn-9.2-windows10-x64-v7.1.zip，将文件夹里的文件copy到CUDA的安装目录并覆盖并替换
CUDA拷贝目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
至此，完成cuDNN安装
※安装Tensorflow-gpu 1.8.0
从上面链接下载到的离线文件，为tf-gpu1.8的离线安装包，只需要以管理员身份打（非管理员身份安装会报错，拒绝访问）开Anaconda的控制台，
输入命令行：pip install [文件路径]\tensorflow-gpu1.8.0.whl
至此安装基本结束。
Tips：跟换pip 镜像源为清华源。（可能很多人已经换过了，这儿重新贴一下）
修改源方法：
临时使用：
可以在使用pip的时候在后面加上-i参数，指定pip源
eg: pip install scrapy -i https://pypi.tuna.tsinghua.edu.cn/simple
永久修改：
linux:
修改 ~/.pip/pip.conf (没有就创建一个)， 内容如下：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
windows:
直接在user目录中创建一个pip目录，如：C:\Users\xx\pip，新建文件pip.ini，内容如下：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple #清华源镜像，也可以选别的换
pip国内的一些镜像
阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
四、结果验证
既然装了Anaconda，就用Jupyter来验证Gpu版本的Tensorflow是否可用好了。
import tensorflow as tf
a = tf.test.is_built_with_cuda()
b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)
print(a)
print(b)
True
True 返回值就是代表Cuda与GPU处于可以用于计算了，至此安装结束。
网友评论