TensorFlow安装（Windows下GPU版本）

实际上，安装windows环境下的TensorFlow并不是太麻烦，主要问题在于第一次不知道版本兼容性问题。像我这种强迫症安装软件总是想装最新版的人，就容易掉入坑中，导致CUDA，TensorFlow，python，cudnn版本的不兼容。

---

接下来，进入正题，安装一共需要三个步骤。在这之前先说一下作者的环境。

系统：WIN10

CUDA: 9.2

TensorFlow：1.11（发文时最新版本）

GPU：1060

PS：在这之前，先说一下版本匹配方式，因为TensorFlow为主体软件，因此：
　　1，在 GitHub TensorFlow release里面找到最新发布的版本。

GitHub release
　　２，记下文中画圈的cuDNN版本，到Nvidia官网找到cuDNN相应版本。我下载的是如上图圈中所示的7.2。
cuDNN archive
　　３，上图可以看到对应的CUDA版本为9.2，同样在Nvdia官网CUDA archive下找到对应版本下载即可。
CUDA

---

安装步骤

一，安装VS

(一定确保先于CUDA安装)
由于之后安装CUDA的时候会去找VS的安装路径生成相应的CUDA文件夹，因此务必确保VS已经安装成功后再装CUDA。
　　VS应该是13 15 17版本都可以，作者使用的是15，网上说稍微稳定一些，17的话可能会遇到奇怪的问题。（强迫症忍住了）其中VS的组件只需要安装C++相关即可。

二，安装CUDA

这一步没有什么特别的，下载好相应的CUDA版本，只需要无脑下一步即可。但是要注意的是，安装好后应该把以下文件夹添加到系统path中。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\libnvvp

系统路径

安装完成之后测试安装结果：

(1)，打开命令提示符，输入：nvcc　 -V CMD

(2)，利用VS2015编译测试文件

打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.2，找到对应版本的sln文件打开，选择Release 和X64，右键1_Utilities，点击Build即可。编译成功后消息窗口栏会显示5个项目编译成功。 VS编译测试

至此，可以在cmd中切换到路径bin\win64\Release下，然后运行bandwidthTest和deviceQueryDrv，可以看到运行结果，不在赘述。

三，添加cuDNN

将下载好的cuDNN解压缩，复制内容到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2路径下，直接覆盖即可。 解压后的cuDNN

三，安装TensorFlow

作者主要采用在线安装的方式。
(1),安装anaconda。这里也不在赘述安装方式，主要注意需要下载python3.6。

(2),创建Tensorflow环境。 anaconda环境

(3),创建好环境后在Anaconda prompt中输入activate Tensorflow激活环境。

activate Tensorflow (4),使用pip install tensorflow-gpu安装tensorflow（不输入具体版本默认安装最新release的版本，即1.11），显示如下。整个下载安装过程大概持续10多分钟。 pip安装 (5),安装anaconda环境的插件和编辑器。此操作在anaconda navigator页面点击操作即可。可以看到，安装完成后会多一个Tensorflow的打开方式。 spyder和jupyter

---

整个安装过程到此就结束了。可以打开spyder测试一下代码。如果不报错就证明没问题了。

import tensorflow as tf 
with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
    c = a+b  
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))