GPU為 RTX2080，系統為更新到最新版本的 Win10。
准備工作
- 安裝VS2015，到官網地址older-download下載安裝
- 安裝Matlab，筆者安裝的是Matlab2017b
- 安裝Anaconda3-4.4.0-Windows-x86_64.exe（到anaconda archive下載），筆者曾下載並安裝了最新版的Anaconda3-2018.12-Windows-x86_64.exe，在使用conda安裝包時發生SSLError錯誤，據github issue所說是最新版win10和最新版anaconda有沖突，4.4版本沒有這個問題，4.4對應的python版本為3.6
- 安裝CUDA 10.0，到cuda-toolkit-archive根據自己的平台下載安裝，安裝好后可以看到環境變量多了CUDA_PATH、CUDA_PATH_10_0等，以及path中也多了bin和libnvvp路徑
- 安裝CUDNN 7.4，到cudnn-archive根據CUDA版本下載安裝，下載下來后將其中的所有文件（bin、include、lib文件夾）拷貝到cuda的目錄，合並對應的文件夾
設置conda國內鏡像源
為conda設置國內鏡像源，默認國外的鏡像源會比較慢。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
這時目錄"C:\Users\用戶名"下的.condarc文件內容變為
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
如果有default可以刪除。
conda 深度學習環境
# 創建conda環境
conda create -n py36DL python=3.6
# 更新pip
pip install --upgrade pip
# 若報錯
easy_install pip
# 激活環境
activate py36DL
# 安裝ipython，后面用於測試庫是否安裝成功
conda install ipython
tensorflow、mxnet、pytorch安裝
注意：下面的所有安裝都是在激活了的py36DL環境中進行的。
tensorflow
筆者通過官網、通過conda、通過豆瓣鏡像源安裝tensorflow在import時都會失敗，報“ImportError: DLL load failed: 找不到指定的模塊”的錯誤，最終成功的安裝方式如下：
到fo40225/tensorflow-windows-wheel找到對應的版本下載whl，筆者下載的是tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl的avx2版本（有兩個壓縮包，解壓出whl文件），如果安裝不成功的話可以試試sse2版本，這里神奇的地方是該whl文件應該是在cuda100cudnn73avx2下編譯的，但是我的環境是cuda100和cudnn74，竟然也是可以安裝成功的，筆者久經磨難，喜極而泣。
下載下來后通過pip安裝
# 切換到whl目錄
pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
# 進入ipython驗證
import tensorflow as tf
tf.VERSION
# '1.12.0'
mxnet
mxnet安裝比較簡單，這里直接通過豆瓣鏡像源用pip安裝。
pip install -i https://pypi.doubanio.com/simple/ mxnet-cu100
# 進入ipython驗證
import mxnet
mxnet.__version__
# '1.3.1'
mxnet的官網顯示支持到cu92，實際已經有了cu100版本。
pytorch
pytorch的安裝也很簡單，在官網，選擇pip、Python3.6、CUDA10.0，顯示
pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl
pip3 install torchvision
這里先把鏈接https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl拷貝到IDM下載whl文件，然后離線安裝
# 切換到whl路徑
pip install torch-1.0.0-cp36-cp36m-win_amd64.whl
pip install torchvision
#進入ipython驗證
import torch
torch.__version
# '1.0.0'
Caffe安裝
筆者使用的是happynear/caffe-windows版本的caffe，下載解壓，同時下載第三方庫拷貝到項目windows/thirdparty/文件夾，Copy .\windows\CommonSettings.props.example to .\windows\CommonSettings.props，打開Caffe.sln，根據github上的README修改配置文件.\windows\CommonSettings.props，編譯成功后再參考README配置python和matlab，注意使用時需要將thirdparty/bin目錄添加到path環境變量，否則運行時會報錯。
修改環境變量后以管理員運行CMD，運行
echo %path%
立即生效，不用重啟系統。
配置文件修改
主要修改項如下：
- UseCuDNN：true
- CudaVersion：10.0
- PythonSupport：true
- MatlabSupport：true
- CudaArchitecture：compute_50,sm_50;compute_52,sm_52;compute_60,sm_60;compute_61,sm_61;compute_70,sm_70;compute_75,sm_75;
- CuDnnPath：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDNN-100。需替換為你的cudnn7.4的路徑
- PythonDir：D:\Anaconda3\envs\py36DL\。替換為你的python路徑
- MatlabDir：D:\Program Files\MATLAB\R2017b\。替換為你的matlab路徑
根據wiki，RTX2080的Compute capability (version)為7.5，目前只有CUDA10.0支持7.5，因此CudaArchitecture中如果加入compute_75,sm_75;的話需要CUDA為10.0，否則會報錯。如果裝的是CUDA9.2，在不加compute_75,sm_75;的情況下也是可以編譯成功的。
編譯時常見錯誤
-
將警告視為錯誤
在報錯的工程上右鍵，選擇 屬性→C/C++→將警告視為錯誤，改為否，生成項目。要是某個項目文件報這個錯的話，也可以在相應文件上右鍵，進行同樣操作。 -
The Windows SDK version 10.0.10586.0 was not found
在報錯的工程上右鍵，選擇 重定SDK版本目標，選擇 目標平台版本（默認就一項 8.1），點擊確定，生成項目。
運行時錯誤
- Check failed: error == cudaSuccess (74 vs. 0) misaligned address
根據cuDNN bug in Caffe with "group" in conv layer (misaligned address) #5729，在 cudnn_conv_layer.cpp 文件void CuDNNConvolutionLayer<Dtype>::Reshape函數size_t total_max_workspace = ...代碼前加入對齊代碼如下
this is a bug of Caffe, I solved it by modifying cudnn_conv_layer.cpp and aligning the address to be multiples of 32.
You can insert tow lines of code before size_t total_max_workspace = ... as follow:
size_t m=32;
max_workspace = (max_workspace + m-1) / m * m; //align address to be multiples of m
BTW, I think there is another bug, these lines should be put in else block:
for (int g = 0; g < (this->group_ * CUDNN_STREAMS_PER_GROUP); g++) {
workspace[g] = reinterpret_cast<char *>(workspaceData)+g*max_workspace;
}