windows 10環境下安裝Tensorflow-gpu

 網上有很多教程，特別是簡寫上的寫的都還算比較詳細。但我自己還是遇到了幾個坑，希望對深度學習有興趣的同學遇到跟我一樣的坑，希望這份記錄能幫助到你。

 

問題一：要不要使用Anaconda？

我看極客時間上的視頻課《Tensorflow快速入門與實踐》，留言版塊上也有討論這個，視頻課中沒有用，給出的理由是太大了，幾個G。https://time.geekbang.org/discuss/detail/62837

有利弊吧，管理版本方便，但也增加了一定的復雜度。自己覺得好就行~

 

問題二：pip install tensorflow-gpu 下載慢怎么辦？

用國內的鏡像，不要就得翻牆。用法：pip install -i https://mirrors.aliyun.com/pypi/simple/ --upgrade tensorflow-gpu==1.14.0

-i 后面跟着是鏡像的網址，上面用的是阿里雲的，國內還有例如清華大學等鏡像，自行搜索一下就行。

建議使用2.0的版本，截止目前為止 2.0.0.b1 很多用法已經進行了較大的調整，特別是API。你從網上下載的代碼和學習使用的代碼，可能都需要進行修改，無疑增加了學習的難度，建議最高用 1.14.0或者更低的版本

 

問題三：不同的 Tensorflow-gpu 該安裝何種 CUDA 和 cuDNN 版本呢？

查看鏈接 https://tensorflow.google.cn/install/source_windows ，注意查看文章不要使用中文，中文的翻譯沒有 1.14.0（翻譯可能滯后了）

千萬記得一定要下載匹配的版本，不然會有問題的。

你的顯卡是否支持 CUDA 的版本，可以通過這個網址查看：https://developer.nvidia.com/cuda-gpus

 

CUDA 下載  https://developer.nvidia.com/cuda-downloads

cuDNN 下載 https://developer.nvidia.com/rdp/cudnn-download

 

如果你確實想嘗新，記得查看官網的文檔：https://tensorflow.google.cn/beta/guide/migration_guide 

 

問題四：遇到 failed call to cuInit: CUDA_ERROR_UNKNOWN 錯誤怎么辦？

我就遇到了，折騰的死去活來的，最終發現是自己手癢的問題，不該升級顯卡驅動的。 TF 的版本，我從1.x 換到 2.0 然后又換回來，光 CUDA 與 cuDNN 都卸載重裝好多次了，電腦了重啟了N次，還是失敗。

最后找到一篇在ubuntu上遇到這個問題的文章，說是顯卡驅動問題，然后我從官網重新下載了 windows 的驅動，安裝后正常了。  顯卡驅動下載地址：https://www.nvidia.cn/Download/index.aspx?lang=cn

 

問題五：如何驗證是否安裝成功了（僅限 TF 1.x）

cmd -> python 

進入 python 命令行之后，使用下面的代碼進行驗證

> import tensorflow as tf

> sess = tf.Session()

如果一切正常，會輸出

Python 3.6.4 (v3.6.4:d48eceb, Dec 19 2017, 06:54:40) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> sess = tf.Session()
2019-08-11 17:38:01.267862: I tensorflow/stream_executor/platform/default/dso_loader.cc:42] Successfully opened dynamic library nvcuda.dll
2019-08-11 17:38:01.393012: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] Found device 0 with properties:
name: GeForce GTX 1060 6GB major: 6 minor: 1 memoryClockRate(GHz): 1.7085
pciBusID: 0000:01:00.0
2019-08-11 17:38:01.397606: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2019-08-11 17:38:01.400748: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1763] Adding visible gpu devices: 0
2019-08-11 17:38:01.403269: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2019-08-11 17:38:01.408338: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] Found device 0 with properties:
name: GeForce GTX 1060 6GB major: 6 minor: 1 memoryClockRate(GHz): 1.7085
pciBusID: 0000:01:00.0
2019-08-11 17:38:01.412305: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2019-08-11 17:38:01.415404: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1763] Adding visible gpu devices: 0
2019-08-11 17:38:02.046658: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1181] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-08-11 17:38:02.050748: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1187]      0
2019-08-11 17:38:02.052282: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1200] 0:   N
2019-08-11 17:38:02.054474: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1326] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 4712 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1)
>>>

 

環境安裝完了，從網上隨便找一個驗證碼識別的例子開始玩起來吧~