由于我在安裝Tensorflow-gpu的過程中，遇到了不少的問題，總的來說基本都是版本問題。所以在此記錄一下，同時也希望你們能夠少踩坑（別發瘋）。

首先明確，要成功使用tensorflow-gpu版本，需要三個東西。

CUDA：是NVIDIA發明了一種并行計算平臺和編程模型。通過利用圖形處理單元（GPU）的強大功能，它可以顯著提高計算性能。

cuDNN：是用于深度神經網絡的GPU加速原語庫。

Tensorflow-gpu：是一個用于高性能數值計算的開源軟件庫（GPU版本）。

由于本篇文章的寫作目的是為了告訴同樣有使用tensorflow-gpu開源庫的小伙伴如何去找符合自己配置的軟件版本，重點就是版本問題，不同版本的tensorflow-gpu可能需要不同的CUDA和cuDNN。因為我自己在安裝過程中因為版本問題，浪費了很多時間，不斷地反復嘗試各種版本，網絡上提供詳細的版本說明的安裝教程比較少，而且我認為不能總是依賴別人的嘗試，如果能知道如何去找到版本匹配信息，如何下載，整個過程是怎么的，可能會更加極客吧。所以，不想了解這些的小伙伴可以直接訪問下方的網址來下載對應的文件。

判斷電腦是否支持CUDA：https://developer.nvidia.com/cuda-gpus

CUDA與cuDNN的版本匹配列表：https://docs.nvidia.com/deeplearning/sdk/cudnn-support-matrix/index.html

CUDA：https://developer.nvidia.com/cuda-toolkit-archive

CUDA安裝指南：https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-microsoft-windows/index.html

cuDNN：https://developer.nvidia.com/rdp/cudnn-archive

cuDNN使用指南：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

接下來，我來說明一下整個流程的操作。

先明確一點，先安裝CUDA和cuDNN，再安裝tensorflow-gpu。

我假設你們不想去記任何一個網址，所以我打算通過一次次的點擊來告訴你們整個尋找的過程。

從www.baidu.com搜索英偉達（nvidia）

我們會看到大概這么一個界面

將鼠標放到開發者上，選擇NVIDIA 開發者。

跳到這里

啊，竟然是英文！看不懂怎么辦？

沒關系，谷歌瀏覽器可以翻譯（我為谷歌瀏覽器代言(●’?’●)）。

點擊高性能計算

向下翻

點擊CUDA Toolkit

接下來連續點

接下來就可以準備下載了

不過我們先停在這個界面

重新打開一個網頁，進入英偉達開發者頁面（忘記了就往前翻）

點擊深度學習

向下翻

點擊深度學習訓練（Deep Learning Training）

繼續點

點點點

啊哦，需要我們登錄了。

我隨便注冊了一個賬號登錄之后，再進入就是這樣的界面了

終于可以匹配版本了

等等！好像忘記了什么，tensorflow-gpu的版本還沒有選擇。

同樣的百度搜tensorflow

不過這里cuDNN和CUDA的版本的細節我就不太清楚了，是不是整個7的大版本和9的發版本都可以，這個我沒找到相關說明，那位大佬知道，希望能夠留言。

我選擇的是tensorflow-gpu-1.12.0、python3.6.2、cuDNN 7.5.0、CUDA 9.0

寫下來就是下載了，分別是一個可執行文件、一個壓縮包，tensorflow-gpu的安裝有兩種方式，在線安裝（pip install tensorflow-gpu==1.12.0）或離線安裝（下載tensorflow-gpu-*.whl）。

CUDA文件

cuDNN壓縮包

下面進入安裝環節

CUDA的安裝教程看這里

這個就是安裝文檔，看不懂的同學可以翻譯一下哦。

其實安裝很簡單，就是先檢查你的GPU（顯卡）是否支持CUDA，然后安裝cuda*.exe可執行文件。cuda*.exe安裝的過程就是勾選、下一步、下一步，都默認就行了。

cuDNN的安裝教程看這里

cuDNN的使用簡單來說就是復制cuda文件夾中的bin、include、lib這三個文件夾，然后在CUDA安裝路徑（大概在這個位置C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0）下進行粘貼，覆蓋掉安裝路徑下對應的這三個文件夾，其實就是將cuda文件夾下的bin、include、libx64這個三個目錄下的三個文件（cudnn64_7.dll、cudnn.h、cudnn.lib）分別復制到CUDA安裝目錄下的bin、include、libx64這三個目錄下，只不過用文件夾的覆蓋會比較方便，不用一個個復制粘貼。

（網絡上很多教程都說要將cuda中的三個文件夾bin、include、libx64配置到Path環境中，不過我嘗試了沒有配置貌似也能正常使用）

進行到這一步，打開CMD，鍵入nvcc -V，回車。

nvcc -V

如果顯示出了類似這樣的信息，就表示CUDA安裝成功了。

下一步就是安裝tensotflow-gpu了

通過pip install tensorflow-gpu –upgarde進行安裝

如果pip安裝速度很慢的話，可以嘗試離線安裝。

打開www.pypi.org，搜索tensorflow-gpu。

選擇第一個tensorflow-gpu-1.13.1

點擊Release history

選擇相應的版本

點擊Download files

選擇離線安裝的文件

選擇下載

然后打開CMD，輸入pip install

pip install

將文件拖入CMD中

pip install whl文件名

然后直接回車就OK了。

開始測試

能正常導入和輸出，就表示沒問題。

告辭，再會。

等等，提一下，如果你在import的時候，出現類似這樣的問題。

找不到指定模塊

請先檢查CUDA、cuDNN、tensorflow-gpu三個版本是否匹配。

其他的小錯誤，我就不一一說明了，一般只要版本沒問題，基本上就不會出錯。

總結

以上是生活随笔為你收集整理的anaconda安装tensorflow gpu_安装Tensorflow-gpu的来龙去脉的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。