如何搭建GPU深度学习环境

这篇文章将带领你彻底安装好以下内容：

Tensorflow-gpu

CUDA

cudnn

Vs

首先我们默认你已经安装了anaconda，如果没有那就去安装一个。至于怎么安装，可以随便百度一个教程，因为安装anaconda的教程实在太多了。记得添加环境变量，这个教程里也肯定有。

好，现在你已经安装好了anaconda，请你这样操作：

先看一下你的显卡能不能跑gpu。

首先，你要打开你的英伟达控制面板（不知道咋打开的可以百度一下，为了节省篇幅这里不写了）

点击帮助-系统信息-组件，然后看到这里：

OK，说明你的显卡目前最高支持CUDA10.2.120的版本，当然比这个版本低的你也可以安装，不过也是有要求的，我们后面再讲。

现在，你要确定你要用哪个版本的tensorflow-gpu，我个人认为，要先确定tensorflow-gpu的版本才能确认CUDA和cudnn。一般说来，版本越高对硬件的要求就越高，我为了折中，选择了1.8.0的版本。至于你怎么选择呢，可以看你的硬件了，如果硬件还不错，可以选择高一点的版本。而且有的代码特别娇气，只能用特定版本的tensorflow跑，所以在安装前最好选择一个合适的gpu版本，而不是瞎装。

我们可以从tensorflow的官网上看到这样一幅图：

不过对你来说这张图一定比较老了，因为google公司不断地推陈出新，在你看到这篇攻略的时候，估计已经升级了好几代了。不过没关系，选一个差不多的就行，不要喜新厌旧，最新的版本有可能存在兼容问题。

我选择的是1.8.0的版本，可以看到它的要求是python3.5-3.6，我们选择3.6，还需要VS2015，还需要CUDA9和cudnn7.

OK，这就是我们需要的所有材料了，下面就是去下载了！

下载的内容放在这里，老老实实下载下来：

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

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

Vs2015：ed2k://|file|cn_visual_studio_community_2015_x86_dvd_6847368.iso|4013920256|EB7F6605EDE67509E218E29173AC6574|/

Tensorflow：https://github.com/fo40225/tensorflow-windows-wheel

DXSDK_jun10.exe ：https://www.microsoft.com/en-us/download/details.aspx?id=6812 
微软的DirectX Software Development Kit ，安装它为了编译后年的cuda_samples

打开上面的链接选择你想要的版本，下载下来，一定注意CUDA和cudnn的版本搭配。

下面开始安装咯！

首先在anaconda里创建一个新的环境，像这样

这里设定的是python3.6，这是出于上面tensorflow那张图，如果你安装的gpu版本较低，可能需要安装python3.5。

创建完成后什么都不需要做，我们去做别的事。

现在你需要打开你的vs2015进行安装，下载完成后应该是得到这些东西：

双击 ，等待一段时间，

按照图示操作，然后点击下一步。

我们选择vs只是为了这个c++环境，如果你想用vs跑python也可以，不过我是用的pycharm。毕竟先入为主了。

等安装完成我们进入下一步。

对了，这里有个事要说，如果你是第一次安装vs，那么恭喜你。如果你之前安装过vs，那就太好了，你需要把原来的vs彻底清除干净。至于怎么清除，你可以看看这个：

https://blog.csdn.net/a359877454/article/details/52679041

好的，现在需要安装的是这个：

DXSDK_jun10.exe

不用管，直接安装就可以，不管最后有没有error，只要过一遍就ok

接下来就是重头戏CUDA了，你要把你安装版本的全部内容下载下来，包括补丁包，然后先安装本体，再安装补丁包。

这是我下载的所有CUDA，一个本体+4个补丁包

如果一开始提示你不兼容，也没关系，只要把

里最后面那个driver components取消掉就可以了。

都安装完之后，检测一下是否安装成功：

解压cudnn，

里面有bin、include、lib三个目录，将三个文件夹复制到CUDA对应文件夹（实际上是将cuDNN这三个目录中的文件，添加到CUDA对应bin、include、lib文件夹中，CUDA对应文件夹不需要删除，也不会有文件被覆盖），默认文件夹在：C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.0，解压后的cudnn里除了这三个文件夹外还有一个文件，也需要放到v9.0的文件夹下

这一步完成之后需要编译一下cuda_samples，就是打开

的文件，这里要选择你对应版本的vs文件，比如我用的vs2015，所以我打开vs2015.sln

打开后是这儿样的：

注意上面红框部分要选为64位和Release

然后在有边框找到1_ Utilities，然后右键选择Build

稍等片刻，下方会出现这样的字样：

那就对咯！

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：首先启动cmd，cd到安装目录下的C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,

我们需要关注的是最后的result是不是=pass

现在环境基本搭建完成了，最后一步就是安装gpu了。

我安装gpu的方法有点另类，是下载完成后再安装，而很多博主的安装方法是直接用pip或者是conda

我是小白哈，所以就下载后安装了，因为pip的速度太慢了

我们要做的就是找到下载好的whl文件

然后打开

首先要输入activate tf-gpu，这个tf-gpu是你当初给anaconda新建的环境记得名字

然后输入pip install，按一下空格，别回车，把你的whl文件拖进来，然后回车

接下来又是漫长的等待，直到安装完成。

安装完成，你的gpu就彻底搭建好了。现在你只需要打开你的pycharm，然后在file-setting-project；code里指定anaconda新环境的python（比如我这里是tf-gpu的python3.6）

然后点击确定就可以了。现在你就可以试试你的代码能不能在gpu里运行了！

需要注意一点，既然你已经装了gpu的tensorflow，就不要再装cpu了，一个环境下有俩tensorflow会起冲突。

在安装完这一切之后，我们可以输入以下代码，来检测还存在哪些问题：

import ctypes
import imp
import sys

def main():
try:
import tensorflow as tf
print("TensorFlow successfully installed.")
if tf.test.is_built_with_cuda():
print("The installed version of TensorFlow includes GPU support.")
else:
print("The installed version of TensorFlow does not include GPU support.")
sys.exit(0)
except ImportError:
print("ERROR: Failed to import the TensorFlow module.")

candidate_explanation = False

python_version = sys.version_info.major, sys.version_info.minor
print("\n- Python version is %d.%d." % python_version)
if not (python_version == (3, 5) or python_version == (3, 6)):
candidate_explanation = True
print("- The official distribution of TensorFlow for Windows requires "
"Python version 3.5 or 3.6.")

try:
_, pathname, _ = imp.find_module("tensorflow")
print("\n- TensorFlow is installed at: %s" % pathname)
except ImportError:
candidate_explanation = False
print("""
- No module named TensorFlow is installed in this Python environment. You may
install it using the command `pip install tensorflow`.""")

try:
msvcp140 = ctypes.WinDLL("msvcp140.dll")
except OSError:
candidate_explanation = True
print("""
- Could not load 'msvcp140.dll'. TensorFlow requires that this DLL be
installed in a directory that is named in your %PATH% environment
variable. You may install this DLL by downloading Microsoft Visual
C++ 2015 Redistributable Update 3 from this URL:
https://www.microsoft.com/en-us/download/details.aspx?id=53587""")

try:
cudart64_80 = ctypes.WinDLL("cudart64_80.dll")
except OSError:
candidate_explanation = True
print("""
- Could not load 'cudart64_80.dll'. The GPU version of TensorFlow
requires that this DLL be installed in a directory that is named in
your %PATH% environment variable. Download and install CUDA 8.0 from
this URL: https://developer.nvidia.com/cuda-toolkit""")

try:
nvcuda = ctypes.WinDLL("nvcuda.dll")
except OSError:
candidate_explanation = True
print("""
- Could not load 'nvcuda.dll'. The GPU version of TensorFlow requires that
this DLL be installed in a directory that is named in your %PATH%
environment variable. Typically it is installed in 'C:\Windows\System32'.
If it is not present, ensure that you have a CUDA-capable GPU with the
correct driver installed.""")

cudnn5_found = False
try:
cudnn5 = ctypes.WinDLL("cudnn64_5.dll")
cudnn5_found = True
except OSError:
candidate_explanation = True
print("""
- Could not load 'cudnn64_5.dll'. The GPU version of TensorFlow
requires that this DLL be installed in a directory that is named in
your %PATH% environment variable. Note that installing cuDNN is a
separate step from installing CUDA, and it is often found in a
different directory from the CUDA DLLs. You may install the
necessary DLL by downloading cuDNN 5.1 from this URL:
https://developer.nvidia.com/cudnn""")

cudnn6_found = False
try:
cudnn = ctypes.WinDLL("cudnn64_6.dll")
cudnn6_found = True
except OSError:
candidate_explanation = True

if not cudnn5_found or not cudnn6_found:
print()
if not cudnn5_found and not cudnn6_found:
print("- Could not find cuDNN.")
elif not cudnn5_found:
print("- Could not find cuDNN 5.1.")
else:
print("- Could not find cuDNN 6.")
print("""
The GPU version of TensorFlow requires that the correct cuDNN DLL be installed
in a directory that is named in your %PATH% environment variable. Note that
installing cuDNN is a separate step from installing CUDA, and it is often
found in a different directory from the CUDA DLLs. The correct version of
cuDNN depends on your version of TensorFlow:

* TensorFlow 1.2.1 or earlier requires cuDNN 5.1. ('cudnn64_5.dll')
* TensorFlow 1.3 or later requires cuDNN 6. ('cudnn64_6.dll')

You may install the necessary DLL by downloading cuDNN from this URL:
https://developer.nvidia.com/cudnn""")

if not candidate_explanation:
print("""
- All required DLLs appear to be present. Please open an issue on the
TensorFlow GitHub page: https://github.com/tensorflow/tensorflow/issues""")

sys.exit(-1)

if __name__ == "__main__":
main()

如果得到的结果是这样的，那么恭喜你，你成功安装了tensorflow-gpu，之后你可以随便检测你编写的代码了！

说明：以上内容是博主总结大量安装攻略后得出的，自己也是按照这方法安装的，虽然出了很多差错，但最后还是成功搭建了gpu环境。

上述内容不一定对任何人都有用，只是博主自己这样安装的，如实地总结了出来。如果你按照上述方法安装失败，可以百度一下别人的方法，放心，安装失败不会对你的电脑造成影响，我安装失败了3次，用了三天时间，最后才安装成功。