win10 64bit+Anaconda3+CUDA10+CUD

1. 下载安装Anaconda3：

• 到官网下载最新版本。安装过程省略，安装到指定位置即可。
• 在系统环境变量path中加入anaconda的安装地址：

D:\Anaconda3
D:\Anaconda3\Scripts
附Anaconda详细安装及使用教程

2. 下载安装CUDA10.0.130及CUDnn7.6.5.32

• CUDA10.0.130下载：cuda_10.0.130_411.31_win10.exe，提取码ufuv
• CUDnn7.6.5.32下载：cudnn-10.0-windows10-x64-v7.6.5.32,提取码4hhx

2.1 点击cuda_10.0.130_411.31_win10.exe安装，注意保证图中Current Version <= New Version。

一直点击下一步完成安装即可。

2.2 将cudnn-10.0-windows10-x64-v7.6.5.32压缩包中的文件拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0对应路径下

2.3 将对应路径加入系统环境变量path中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\lib64
C:\Program Files\NVIDIA Corporation\NVSMI
C:\Program Files\NVIDIA Corporation\NVIDIA NvDLISR

2.4 执行nvcc -V 和 nvidia-smi 即可看到对应的版本及进程信息

3. 创建虚拟环境，下载tensorflow-gpu

3.1 创建tensorflow虚拟环境

conda create -n tensorflow python=3.6 numpy pip

3.2 进入tensorflow环境

activate tensorflow

3.3 下载tensorflow-gpu

pip install tensorflow-gpu

3.4 安装jupyter

conda install jupyter

3.5 运行jupyter

jupyter notebook

4.案例

import tensorflow as tf
import os
# os.environ["CUDA_VISIBLE_DEVICES"] = "-1"  # 这一行注释掉就是使用gpu，不注释就是使用cpu
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(512, activation=tf.nn.relu),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

执行nvidia-smi发现已成功使用GPU运行程序