Tensorflow（GPU版本）环境部署

由tensflow官网查询tensorflow、python、cuda、cuDNN版本对应关系

https://www.tensorflow.org/install/source_windows

Anconda包安装

根据所需程序确定tensorflow版本

创建环境，并安装python包

conda create -n tensorflow_cpu python=3.6

conda create -n tensorflow_gpu_1 python=3.6

tensorflow安装(镜像安装)

• cpu版本

  pip install -i https://pypi.doubanio.com/simple/ tensorflow==1.14

• GPU版本

  pip install -i https://pypi.doubanio.com/simple/ tensorflow_gpu==1.14

Anconda包管理

• conda list 列举当前环境下的所有包
• conda search packagename 搜索某包
• conda updata packagename 更新当前环境某包
• conda/pip remove/uninstall packagename 删除当前环境某包（安装的时候是用pip 安装， 卸载的时候也需要pip uninstall）
• conda env export > environment.yaml 环境会被保存在 environment.yaml文件中（到c盘用户里找）。

安装CUDA

直接谷歌，例如cuda9，因为有的就版本在官网里也挺难找的。安装步骤直接按部就班安装就是。

建议默认路径（或者记住路径） C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，方便后面添加环境变量。

• 检查是否安装成功

  • 系统会多两个系统变量

  

  • 重启电脑后，进入cmd界面，输入nvcc -V显示

    

安装cuDNN

同样直接谷歌，例如cuDNN，找到对应CUDA版本下载。

下载的cuDNN压缩包解压后出现如下三个文件夹子

将里面文件复制到CUDA安装路径对应文件夹中。

添加环境变量

以下四个环境变量尽量都添加

检查是否安装成功

https://blog.csdn.net/jhsignal/article/details/111398427

版本匹配示例（已实验）

• tensorflow_gpu1.5.0
• python3.6
• CUDA9.0
• cuDNN for CUDA9.0 (v7.6.5.32)