本篇內容：配置好谷歌開源bert運行環境。開源地址：https://github.com/google-research/bert
關於BERT的介紹就不多說了，直接看我們將配置的環境：
- tensorflow_gpu 1.11.0
- CUDA 9
- cudnn 7
- python 3.6
注意，這些環境都是一一對應的，不能亂下。如果想下載其他版本，附上對照表鏈接：https://blog.csdn.net/qq_27825451/article/details/89082978
配置好后，就可以運行google-bert模型了，當然要跑起來還需要設置參數什么的，這部分之后再說。
注意：tensorflow_gpu版本需要你的電腦有NVIDIA GPU，否則只能跑tensorflow_cpu版本。選擇GPU版本，當然是因為用空閑的GPU能提高模型的運行速度了。
滿足這上面的所有要求，就可以往下繼續了，很快啊。
一、安裝CUDA和cudnn
從官網下載的話太慢了。我在網上找到了網盤下載渠道。直接放博客鏈接：https://blog.csdn.net/weixin_44240118/article/details/104545166
1、安裝CUDA的坑
下載完CUDA后是一個可執行文件，雙擊進入安裝界面。需要注意：在安裝時，選擇自定義安裝，並且取消勾選Visual Studio。見下圖（搬運的他人博客圖）
2、安裝cudnn
下載完cudnn后解壓，這只是一個文件，文件內容如下：
復制這些文件，粘貼到CUDA的安裝目錄下（文件不會被替換，全都是新添加）。弄好后，CUDA安裝目錄下應該是這個樣子：
3、添加系統環境變量
在安裝CUDA的時候，系統環境變量都被自動添加了。但是還有一個需要我們手動添加，如下圖：
照着你們自己的環境變量，很容易就能知道怎么添加了吧。這里有一點這三個環境變量都要放在最上面，是否必須這么做我不知道，但是放在最上面總沒錯。
二、Anaconda安裝
這里只要用Anaconda就很方便了。在官網下載好像也挺快的（也可以去清華鏡像下載：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ），下載網址：https://www.anaconda.com/products/individual#Downloads
選擇win10 64位版本就是常識了。注意安裝時要選上添加到環境變量。
下面的操作一氣呵成（打開win10命令行）：
- 為了解決conda的install太慢的問題，執行如下語句（一勞永逸）：
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
- 在命令行輸入：
conda create -n tensorflow_gpu python=3.6。中間會有讓你確認的選項，輸入y就行了。 - 激活環境：
activate tensorflow_gpu。激活后，在當前目錄前會顯示(tensorflow)字樣，就像：(tensorflow_gpu) C:\Users\w>。之后我們跑bert模型時，每次都要激活一下。 - 安裝必要的庫（我不知道這一步是否必須，但是執行總是沒壞事）：
conda install anaconda - 執行：
conda install tensorflow-gpu - 下載對應版本的tensorflow_gpu：
pip install tensorflow-gpu=1.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
三、驗證
啊，很快啊，我們就把環境配置好了。現在驗證一下我們的tensorflow_gpu能不能跑起來。
命令行輸入下列命令：
>> activate tensorflow_gpu
>> python
>>> import tensorflow as tf
>>> hello1 = tf.constant('hello, tensorflow!')
>>> session = tf.Session()
>>> print(session.run(hello1))
如果看到了輸出b'hello, tensorflow!'說明配置成功。
在import tensorflow時可能會有一些Waring跑出來，上網自己查查很快就解決了。
四、瑣碎
- 如果發現安裝了錯誤版本的tensorflow，執行
pip uninstall tensorflow_gpu重新安裝就可以了。 - 安裝過程如果發現太慢，找一下有沒有鏡像！！
- 如果下了多版本python，一定要注意pip指令的使用！不同的python版本對應不同的tensorflow，多個pip添加到環境變量中的話，系統只會找第一個。