【Deep Learning】win10下配置tensorflow1.4(gpu版本）

环境：

系统：win10

显卡：NVIDIA GTX960M

python：3.6

tensorflow：1.4

下载

下载CUDA8.0(必须8.0)：https://developer.nvidia.com/cuda-80-ga2-download-archive

下载CUDNN6.0（必须6.0）：https://developer.nvidia.com/rdp/cudnn-download

下载python3.6（必须3.0以上）：https://www.python.org/downloads/

安装CUDA8.0

下载CUDA8.0后进行默认安装，等待完成后环境变量里会有：

    CUDA_PATH    CUDA_PATH_V8_0

两个环境变量。

命令行里输入：

nvcc -V //（大写的V）

输出

    nvcc: NVIDIA (R) Cuda compiler driver    Copyright (c) 2005-2016 NVIDIA Corporation    Built on Mon_Jan__9_17:32:33_CST_2017    Cuda compilation tools, release 8.0, V8.0.60

表明安装成功。

安装CUDNN6.0

下载CUDNN6.0，是一个压缩包，解压后会有三个文件夹bin,lib和include。将这三个文件夹下的内容复制到CUDA8.0的安装目录下的对应文件夹下即可。

如：

将bin下的cudnn64_6.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0下的bin文件夹下。

安装python3.6

下载python3.6后直接安装，完成后配置环境变量如：

//python.exe所在目录C:\Program Files\Python36//pip3.exe所在目录C:\Program Files\Python36\Scripts

在命令行输入：

python -V //（大写的V）

输出：

Python 3.6.3

表明安装成功

安装tensorflow1.4

打开命令行（必须以管理员身份运行），输入

pip3 install tensorflow-gpu

等待下载安装完成（约67M）。

下载速度可能比较慢，所以可以更换为阿里云的镜像

    pip3 install tensorflow-gpu -i https://mirrors.aliyun.com/pypi/simple/

这样下载速度会提高很多。

安装完成后，进入python命令行测试。输入：

tf.Session()

输出：

2017-12-08 17:47:08.439868: I C:\tf_jenkins\home\workspace\rel-win\M\windows-gpu\PY\36\tensorflow\core\common_runtime\gpu\gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 960M, pci bus id: 0000:01:00.0, compute capability: 5.0)    <tensorflow.python.client.session.Session object at 0x000002887924D908>

表明配置成功。（识别的出显卡信息：device: 0, name: GeForce GTX 960M, pci bus id: 0000:01:00.0, compute capability: 5.0）

vscode下测试

首先配置python运行环境（省略），然后新建测试文件test.py

输入：

import tensorflow as tfwith tf.device('/gpu:0'):   a = tf.constant([1.0, 2.0, 3.0])   b = tf.constant([1.0, 2.0, 3.0])sess = tf.Session()print(sess.run(a+b))

输出：

[ 2.  4.  6.]

整个环境配置成功。