win10安装tensorflow-gpu1.2+cuda8.0+cudnn5.1（使用anaconda搭建python3.5环境）

ubuntu16.04安装tf请跳转：https://blog.csdn.net/weixin_44341962/article/details/91350991

1. 说明
2. cuda8.0配置
3. cudnn5.1配置
4. 使用anaconda搭建python3.5环境
5. tensorflow1.2配置
6. 在pycharm中导入配置好的环境

1.说明
（1）在配置cuda前检查你的显卡驱动是否安装好

nvidia-smi  

显示如下，说明显卡驱动是安装好的

（2）配置环境一定要配置相对应的版本，不然会有未知错误,本文cuda8.0+cudnn5.1+tensorflow1.2-gpu为例

2.cuda8.0配置
（1）官网下载CUDA8.0 https://developer.nvidia.com/cuda-downloads

选择Legacy Releases进入历史版本

这里我们选择CUDA Toolkit 8.0 GA2下载

（2）安装
下载完成后，打开安装程序，安装路径默认或者自定义都可以

等待CUDA Setup到100%，检查系统的兼容性，同意许可协议
选项选择自定义，因为我们有显卡驱动，精简安装会安装驱动导致不必要的麻烦

关于自定义下安装的选项，建议将CUDA和Other components下的选项全部勾选，其余不选，下图并非我安装时的选择。

选择默认路径或者自定义路径，这个路径必须要记住，后面加PATH的时候要用到，自定义安装路径以下为例：
CUDA Development 安装到 E:studycuda8.0adevelopment
CUDA Documentation 安装到 E:studycuda8.0adocumentation
Samples 安装到 E:studycuda8.0asample

等待，完成安装。

（3）系统环境变量设置
虽然安装好了CUDA，但是现在进入终端输入 nvcc -V 发现并不能检测到CUDA，添加系统环境变量
此电脑→属性→高级系统设置→环境变量，我们可以看到系统变量新增了两个PATH，这是我们刚才自义定的安装路径

在系统变量中新建以下路径：
① CUDA_SDK_PATH=E:studycuda8.0asample （默认安装路径为：C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0）
② CUDA_LIB_PATH = %CUDA_PATH%libx64
③ CUDA_BIN_PATH = %CUDA_PATH%bin
④ CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%binwin64
⑤ CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%commonlibx64

在系统变量 PATH 的末尾添加：
①%CUDA_LIB_PATH%
②%CUDA_BIN_PATH%
③%CUDA_SDK_LIB_PATH%
④%CUDA_SDK_BIN_PATH%
⑤E:studycuda8.0adevelopmentlibx64（默认安装路径：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64）
⑥E:studycuda8.0adevelopmentbin（默认安装路径：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0bin）
⑦E:studycuda8.0asamplecommonlibx64（默认安装路径：C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0commonlibx64）
⑧E:studycuda8.0asamplebinwin64（默认安装路径：C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0binwin64）

配置完成，重启，验证是否配置成功，用CUDA内置的deviceQuery.exe 和bandwithTest.exe，首先win+R启动cmd，cd到E:studycuda8.0adevelopmentextrasdemo_suite然后分别执行bandwidthTest.exe和deviceQuery.exe



两个都PASS，说明CUDA安装完成

3.cudnn5.1配置
（1）下载cudnn
https://developer.nvidia.com/rdp/cudnn-archive 下载对应版本的cudnn，这里需要注册一系列的才能下载，但是注意一定要版本相匹配，之前我安装过cudnn5.0，结果导致could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR，出现类似错误一般是因为cudnn、CUDA和tensorflow的版本没有匹配

（2）复制cudnn到cuda
下载后，将下载文件解压，得到三个文件夹
①将bin文件夹下的cudnn64_5.dll，复制到E:studycuda8.0adevelopmentbin（默认安装路径：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0bin）
②将include文件夹下的cudnn.h，复制到E:studycuda8.0adevelopmentinclude（默认安装路径：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0include）
③将libx64文件夹下的cudnn.lib，复制到E:studycuda8.0adevelopmentlibx64（默认安装路径：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64）

cudnn的环境变量，在CUDA环境变量添加的时候就已经添加好了，即E:studycuda8.0adevelopmentlibx64（默认安装路径：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64）

cudnn安装完毕，cudnn其实是一个库，没有安装一说，要检查是否成功只能去刚才CUDA三个文件夹下查看cudnn文件是否存在。

4.使用anaconda搭建python3.5环境
使用anaconda更方便管理配置的环境
（1）annaconda下载安装
https://www.anaconda.com/distribution/ 官网下载windows版本的anaconda3（64位）

默认或者自定义路径

这里注意，建议不要将Anaconda添加到PATH环境变量中，因为这会干扰其他软件

等待安装完成

（2）在anaconda中创建一个环境，并下载python3.5
anaconda下载完毕，在系统变量PATH中添加anaconda的环境变量，根据安装anaconda的路径来填，添加完成后重启，使新增环境变量生效。

从开始菜单打开Anaconda Prompt

这里很多老攻略会建议，先输入清华的仓库镜像或者中科大的镜像，更新包更快，但是国内的镜像资源好像都取消anaconda的服务了，如果添加了国内镜像资源，可能会导致下载的时候报错，建议不要添加。
检查anaconda是否安装成功 conda --version

检查目前有哪些版本的python可以安装：

conda search --full-name python

创建一个名为tensorflow-gpu的anaconda环境，配置python3.5：

conda create -n tensorflow_gpu pip python=3.5.3

根据资源和自己的需要选择python3.5的版本，这里只要是3.5就可以。

激活tensorflow-gpu环境：

conda activate tensorflow_gpu

成功进入tensorflow_gpu环境，测试python版本

python3.5环境配置成功

5. tensorflow1.2配置
注意事项：
①一定要在tensorflow_gpu的环境下；
②不要使用conda命令安装tensorflow-gpu，因为这样会同时安装CUDA，我们需要指定版本CUDA和cudnn，前面才手动去配置，conda安装会让前面的工作白做，使用pip单独安装tensorflow-gpu。

升级pip到最新版，防止稍后的安装时出现错误：

python -m pip install --upgrade pip

使用pip安装tensorflow-gpu1.2.0

pip install tensorflow-gpu==1.2.0

因为没有国内资源，所以下载的会很慢，等待下载完成。

测试是否安装成功：
在Anaconda Prompt中，激活tensorflow-gpu环境，进入python，导入tensorflow

conda activate tensorflow_gpu
python
import tensorflow as tf

成功导入，环境tensorflow-gpu配置成功，包含tensorflow-gpu1.2.0和python3.5.3。

这个配置好的名字叫tensorflow-gpu环境，它的安装目录就在annconda的envs文件夹下：

6. 在pycharm中导入配置好的环境
File→settings

Project→Project Interpreter，点击右边的齿轮按钮，选择Add

左侧选择Conda Environment，右侧选择Existing environment

找到你搭建的tensorflow-gpu环境中的python，我的路径是在E:studyanaconda3下的python.exe


使用这个环境

CUDA8.0+cudnn5.1+anaconda3+python3.5.3+tensorflow-gpu1.2.0全部完成！！！

参考文章：
https://blog.csdn.net/qq_37296487/article/details/83028394
https://blog.csdn.net/u010618587/article/details/82940528
https://www.jianshu.com/p/b48d6bad9aaf

最后

以上就是积极中心最近收集整理的关于win10安装tensorflow-gpu1.2+cuda8.0+cudnn5.1（使用anaconda搭建python3.5环境）的全部内容，更多相关win10安装tensorflow-gpu1内容请搜索靠谱客的其他文章。