win10+Anaconda3+CUDA9.0+CUDNN7.1+TensorFlow-gpu1.9+Pycharm

想在win10上運行下YOLO的例子，要先配置環境，折騰了兩天，終於好了，整理下自己覺得有用且正確的流程。

win10+Anaconda3+CUDA9.0+CUDNN7.1+TensorFlow1.9+Pycharm

安裝Anaconda3：

記得勾選配置環境變量Path

再cmd中輸入“conda -V”，能正常顯示版本號，證明已經配置好了。

運行 開始菜單->Anaconda3—>Anaconda Prompt

利用Anaconda創建一個python3.5的環境，環境名稱為tensorflow ，輸入下面命令：

conda create -n tensorflow python=3.7

anaconda修改為國內清華源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

激活環境

activate tensorflow

關閉環境

deactivate

安裝CUDA9.0

安裝完成后檢查是否安裝成功，打開cmd，輸入

nvcc -V

 

出現版本號則安裝成功

配置CUDNN7.1

將CUDA和CUDNN鏈接起來 ，這樣CUDA才能調用CUDNN.這里有兩種方法將CUDA和CUDNN鏈接起來

第一種： 在環境變量下面，把解壓后文件的bin目錄加到系統環境變量中，放在path下面，如圖：

重啟電腦，讓環境變量生效，完成。

第二種： 就是把cudnn中的庫加入到CUDA中，因為CUDA系統會自動安裝到c盤的Program Files文件中，選擇該文件夾下的NVIDIA GPUComputing Toolkit文件，一直到

接下來要做的就是，把cudnn三個文件夾中的文件，如圖

復制到CUDA相應文件夾的下面（仔細看一下就會發現他們的目錄結構是一樣的），完成。

安裝TensorFlow

兩種方法，一種是Anaconda命令行，另一種是Anaconda可視化界面操作。

第一種：

在激活環境（activate tensorflow）的狀態下運行：

pip install --ignore-installed --upgrade tensorflow-gpu==1.9

如果缺少相關的依賴包話，推薦還是用conda安裝：

//GPU版本 
conda install tesorflow-gpu==1.9

第二種：

打開Anaconda Navigator

Environments-->tensorflow-->篩選not installed-->找到tensorflow-gpu和keras-gpu，選中安裝。下圖是我已經安裝好了。

配置PyCharm

新建工程后在Setting–Project Interpreter選擇tensorflow下的Python解釋器

等部署完后便可跑個HelloWorld了

import tensorflow as tf 
 
hello = tf.constant("Hello!TensorFlow") 
sess = tf.Session() 
print(sess.run(hello))

運行結果：

官方教程代碼測試：

#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print(sess.run(c))

運行結果：

至此，配置完成。