从零开始深度学习（一）【环境搭建：python+tensorflow-gpu安装】

【写在前面的话】由于本人新换了个电脑，配置是win10的系统+N卡，要重新装环境，中间遇到了很
多问题，所以写下来也能帮自己总结一下，下次再换电脑可以回头看看。这整个教程将会比较完整，
有很多细节，从头教起，就算你是一个电脑小白，拿到一台新电脑，也可以开始愉快的深度学习之
旅，这个系列博客将伴随着我正在做的毕业设计缓慢更新。

一、python+pycharm安装

首先，你需要先装好python，这里推荐大家使用的方法是直接安装Anaconda，这是一个非常庞大的库，你装好后以后基本再无后顾之忧，我也直接下载过python，后面跑代码的时候无限报错缺库，要一直pip install安装。所以这里推荐直接安装Anaconda（里面就有python）。具体安装方法直接贴链接： Python入门：Anaconda和Pycharm的安装和配置。这篇文章算比较简单的安装方法了，我装的pycharm community版，文章里有专业版的破解方法，如果你是学生，那么自己注册一个License也可以，这里可以暂时不用配置project interpreter， 你也可以先配置一下看看你的库是否都装好了，解释器里带的库在底下都会一一展示出来，如下图所示。

然后这里推荐使用国内的源来使用pip和conda下载，会快很多（方法链接都贴上了）。

二、Visual studio安装

为什么要装VS，因为其实tensorflow包括python的很多运算库，其实都是基于C++的，如果不装后面会遇到很多问题的。我由于自己也写C，所以安装的是最新的VS2017，用的比较顺手，但是这会导致后面CUDA的安装比较麻烦，介意的同学可以安装VS2015，或者两个都装也没问题。
这个装起来也很简单，直接百度Visual studio IDE，community版是免费的，先下载一个Visual studio Installer。
运行后，直接勾选C++的桌面开发，然后右边注意一下，勾上Windows 10 SDK(10.0.17763.0)，适用于桌面的VC++2015工具集，和 .NET Native。

三、CUDA+cudnn安装

这两个是tensorflow-gpu 必备的，如果装cpu的则不用装。先去官网下CUDA，推荐下载9.0版本因为你要注意Tensorflow和CUDA的版本问题，我在下面贴出来了，你想自己配也没问题，本篇博文的版本反正都是对的上的，如果后面有版本不对的问题我也会说明一些解决方案的。
这里是CUDA对应的显卡驱动版本：

这里是tensorflow-gpu对应的python,CUDA,cudnn版本：

CUDA和cudnn具体安装方法可以见这篇博客，这里说几个我出现的问题给大家参考：
（1）非常重要的一点，你需要先卸载你的显卡驱动，顺便你卸载了显卡驱动，你的显卡接的显示器就不能用了，我是两个屏，一个接集显，一个接独显，只有一个屏的可以选择在开机的时候设置集显（板载）输出，插的时候也注意插主机上面的集显插口，具体原因可以查看这篇博客。
（2）安装CUDA的界面一开始会蹦出来一个是否要继续的警告：The graphics driver could not find compatible graphics hardware，上面那篇博客也说了，是你本机的显卡驱动版本比CUDA自带的驱动版本高的问题，他给出来的解决方法是直接点击继续—>同意并继续—>自定义（高级）—>只选择CUDA进行安装，最后安装成功。

但是我后面还是出问题了，出现了CUDA driver version is insufficient for CUDA runtime version 的问题，最后是用的这篇博客解决的，不过这应该是tensorflow安装后的问题。
（3）这样勾选后仍然会安装失败，把CUDA中的visual stduio installer给去掉，这样就能安装成功了。
（4）在编译samplevs2017的时候，项目都显示无法打开，重新生成也不行，最后发现其实是权限的问题。我直接右键CUDA Samples文件夹，属性–安全–对所有的用户都把完全控制勾上，就可以了。

（5）生成之后，但是编译又出现了问题，是因为装的是新版的VS2017，所以需要简单地配置一下，具体方法可以见这篇博客

四、Tensorflow-gpu安装

上面的的博客里也有说明如何安装tensorflow，但是我按那个方法来不行，我在这里使用的是另一个方法：
首先创建一个conda环境：
conda create -n tensorflow pip python=3.7
然后激活环境：
activate tensorflow
这样就进入了刚创建的“tensorflow”环境。
然后我们选择使用conda命令来安装tensorflow，这个命令智能一点，会帮你更新，补一些需要的包:
conda install tensorflow-gpu
最后注意一下添加环境变量，以上提到的博客都有写。

五、Pycharm配置+测试

pycharm的一次性设置的方法：设置pycharm下解释器interpreter的路径。在Pycharm的设置中选择之前Anaconda Navigator建立的Tensorflow环境，而非默认的anaconda环境，然后采用这个环境即可使用tensorflow这个模块了。

如果你是使用jupyter notebook之类的工具的话，那么需要先打开cmd，每次都要激活tensorflow环境，再打开jupyter notebook，就可以了。
然后接下来我们测试一下，参考的是这篇博客

如果还出现问题多半是版本不符合，本篇博客使用的是python3.6+tensorflow1.9+vs2017+CUDA9.0+cudnn7.3，教大家一些检查的方法：
（1）查看自己的GPU的版本方法
（2）在cmd窗口里输入：conda list 来查看cudatoolkit和cudnn程序包的版本
（3）查看tensorflow版本号的方法
总之版本都检查一下，很有可能就是版本对不上的问题导致安装失败，我这篇博客自认为还比较完整详细，其实主要是把我遇到的问题和别人的博客整理了一下，有一些可能复制了一些内容但是忘了贴出链接，如果您感觉到了不愉快可以联系我，我会注明出处的。
最后希望能对大家有帮助。