https://www.cnblogs.com/31415926535x/p/10536572.html
概述
因為選修了數字圖像這門課，，要做一個人臉識別的項目，和室友打算利用tensorflow來訓練一個模型，，然后剛開始的環境配置就折騰了一天，，
現在記錄一下大致的流程和遇到的坑，，（只是簡略的寫寫配置的要點，，具體的信息別的博客講的很清楚了，，，
最后的環境： win10x64 + gtx1050 + CUDA9.0 + cuDNN9.0 + Anaconda + Tensorflow1.9.0
英偉達官網你會發現1050不能使用它的CUDA，，但實際上是可以使用的，，后面可以看出算力大概是6.1，，
配置流程
只列出必要的流程以及我遇到的坑，，
詳細的安裝過程參考別人的博客：
tensorflow 安裝GPU版本，個人總結，步驟比較詳細
在Windows 10上安裝TensorFlow並支持GPU的最佳方式（無需安裝CUDA
Win10+cuda8.0+cudnn5.1+tensorflow-gpu1.2.0+gtx1050ti，tensorflow環境搭建與配置
Python配置
首先是Python的配置，，Python很簡單就可以弄好了，，去官網下載win的安裝器，，點一點等一等就行了，，
Anaconda安裝
這個也是直接去官網下載安裝就行了，，，安裝的過程可能會很長，，所以要一直等，，會出現終端，，不要叉掉，，等就可以了，，，（貌似這玩意兒2個多G
CUDA9.0安裝
這是一個大坑！！！被這玩意坑了一次，，，
首先，英偉達的官網你直接進去去下CUDA只顯示最新版10.1，，，然后我就想着有新的就直接上新版本的算了，，，后來才發現Tensorflow到現在還不支持10.0的版本，，，最多只能用9.0的，，
還有一個坑，，，選擇的安裝器是第一個(Base Installer)還有選擇在線安裝(exe(Network))，，，
最后，，因為我的C盤不怎么空余了，，，所以就把這玩意裝到了別的盤，，這樣的話 系統環境變量 得重新修改，，
都可以
cuDNN v7.5.0 for CUDA 9.0
這玩意也是一個坑，，，
因為CUDA安裝的是9.0版本的，，所以這玩意也只能裝對應的版本，，，
會要你注冊賬號，，最主要的是10.0版本的可以直接下載，，換成9.0的就得要梯子，，，驚了，，，
下載好后解壓，，把里面的那三個文件復制到cuda對應的文件夾里，，參考上面那幾個博客的操作
vs2017
看到網上有人說配置環境需要vs來編譯什么的，，，因為我在之前就已經裝好了vs2017，，所以就省略了這一步的安裝，，沒有測試不裝會發生什么，，
安裝Tensorflow-gpu--1.9.0 並測試
之前的所有東西都弄好后就可以安裝 Tensorflow 了，，，
打開 Anaconda Prompt
因為地下室這里網還不錯，，所以就沒有去配置清華的鏡像，，
安裝Tensorflow: conda install tensorflow-gpu==1.9.0 因為現在(2019-3-15)Tensorflow已經是1.13.0版本了，，直接安裝的話就會是最新版，，，不知道怎么回事，，最新版的話我這里在之后不會調用gpu來運行，，用這個版本之后就可以了（CUDA的鍋？），，（也有可能是我在改變了其它的因素的原因，，，待驗證
創建運行環境； conda create -n tensorflow-gpu python=3.6 等待安裝就行了，，
激活環境： conda activate tensorflow-gpu
驗證
然后打開python，，
輸入：
import tensorflow as tf //0
hello = tf.constant('hello')
sess = tf.Session() //1
print(sess.run(hello)) //2
sess.close()
- 在輸完0代碼之后，會停頓一會，，
- 在輸完1代碼之后，會顯示一些信息，，如果說有有關gpu的信息的話證明調用gpu成功，，否則的話只有一條cpu的信息，，可能之前的安裝有問題，，重新安裝試試，，（我就是因為這個重裝了好幾遍
- 在輸完2代碼之后，顯示
b'hello'
1的輸出類似這樣：
2019-03-15 13:03:55.881573: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
2019-03-15 13:03:56.695820: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1392] Found device 0 with properties:
name: GeForce GTX 1050 major: 6 minor: 1 memoryClockRate(GHz): 1.493
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.61GiB
2019-03-15 13:03:56.702429: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1471] Adding visible gpu devices: 0
2019-03-15 13:03:57.517589: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-03-15 13:03:57.521414: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:958] 0
2019-03-15 13:03:57.523379: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971] 0: N
2019-03-15 13:03:57.525486: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1084] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1359 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1)
也可以這樣驗證：
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
會輸出一長條的信息，，例如：
>>> from tensorflow.python.client import device_lib
>>> print(device_lib.list_local_devices())
2019-03-15 13:13:03.527577: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1471] Adding visible gpu devices: 0
2019-03-15 13:13:03.545230: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-03-15 13:13:03.563464: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:958] 0
2019-03-15 13:13:03.576112: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971] 0: N
2019-03-15 13:13:03.587662: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1084] Created TensorFlow device (/device:GPU:0 with 1359 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1)
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 5406329819980989395
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 1425578393
locality {
bus_id: 1
links {
}
}
incarnation: 3552327620198962820
physical_device_desc: "device: 0, name: GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1"
]
如果失敗的話（也就是只有cpu運算）就是這樣：
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
再或者這樣：
import tensorflow as tf
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([2.0, 3.0], name="b")
result = a + b
print(result)
sess = tf.InteractiveSession()
print(result.eval())
sees.close()
正常情況下也會顯示gpu等信息
>>> import tensorflow as tf
>>> a = tf.constant([1.0, 2.0], name="a")
>>> b = tf.constant([2.0, 3.0], name="b")
>>> result = a + b
>>> print(result)
Tensor("add_1:0", shape=(2,), dtype=float32)
>>> sess = tf.InteractiveSession()
2019-03-15 13:19:57.500304: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1471] Adding visible gpu devices: 0
2019-03-15 13:19:57.514303: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:952] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-03-15 13:19:57.530082: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:958] 0
2019-03-15 13:19:57.539267: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971] 0: N
2019-03-15 13:19:57.547441: I C:\users\nwani\_bazel_nwani\ujdkfsks\execroot\org_tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1084] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1359 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1050, pci bus id: 0000:01:00.0, compute capability: 6.1)
>>> print(result.eval())
[3. 5.]
使用
每次使用tensorflow時，，因為我們是在Anaconda的虛擬的一個環境里運行tensorflow+python，，所以要先激活環境：conda activate tensorflow-gpu，，，（這么說先前直接安裝的python不僅版本過高，，而且沒用上）
對了必須要在cmd里使用，，powershell貌似不行，，，進入powershell輸入 cmd 切換到cmd就行了，，，激活環境后前面會多一個環境名： (tensorflow-gpu)，，這樣再進入python等等，，，
結束
這樣環境的配置基本就完了，，大概占了12個多G的存儲空間，，，emmmm心疼硬盤ing
從昨天晚上到今天上午，，折騰了幾遍，，，最后還是弄好了，，，最怕的不是出各種各樣的錯誤，，而是放棄吧，，，畢竟很多人都在弄這個，，會遇到一樣的狀況，，總會找到解決的方法的，，，
(猜測：安裝anaconda時，，發現里面有cuda了，，可能不需要安裝cuda就可以，，留坑)
(end)