最近的機(jī)器學(xué)習(xí)大作業(yè)要用卷積神經(jīng)網(wǎng)絡(luò)做模型，github上找了代碼卻發(fā)現(xiàn)跑起來特別慢，迭代一次就要好幾分鐘，于是終于下定決心安裝gpu版本的tensorflow，之前沒裝是因?yàn)榫W(wǎng)上查到的資料都在說好多坑，很難，僅供參考，目前適用于本人，把安裝過程和查閱的資料都擺在這里，分享一下，也為以后需要用到時(shí)做個(gè)備份吧。大體參考的博客：https://www.cnblogs.com/apan008/p/11254688.html
環(huán)境
windows10+anaconda3.0
顯卡是N卡 GeForce MX250
TensorFlow的GPU 版本需要 CUDA 和 cuDNN 的支持，你需要查看一下你的英偉達(dá)GPU是否支持CUDA，https://developer.nvidia.com/cuda-gpus，我在上邊并沒有找到我的顯卡，不過這個(gè)輕薄本獨(dú)顯應(yīng)該也湊合能用吧。
打開NVIDIA控制面板，點(diǎn)擊左下角的系統(tǒng)信息，點(diǎn)擊組件選項(xiàng)卡
應(yīng)該是支持的
步驟
第一步：安裝Anaconda
我先前已經(jīng)安裝過Anaconda3了，一路通過，中間出現(xiàn)的兩個(gè)選項(xiàng)都沒有選，自己配置一下環(huán)境就行了，具體可以參考上邊的博客或者網(wǎng)上有很多教程，這一步我用的清華鏡像安裝的，沒什么大問題。注意我安裝的版本默認(rèn)的base環(huán)境是python3.7的，3.7好像只能裝tensorflow2.0，室友也說沒有對應(yīng)的tensorflow，干脆我也把base版本降到了3.6，方法是在Anaconda Prompt中打一行
conda install python=3.6
即可
第二步：安裝CUDA Toolkit + cuDNN
我下載的是CUDA Toolkit 9.0 + cuDNNv7.0.5, for CUDA 9.0, for windows 10
tensorflow官網(wǎng)打不開，理論上應(yīng)該看下載的CUDA和cuDNN的版本是否一致，為了省事我就直接按照人家下載的版本安裝，安裝過程基本與其類似。
在這個(gè)網(wǎng)址查找CUDA已發(fā)布版本：https://developer.nvidia.com/cuda-toolkit-archive
下載好CUDA Toolkit 9.0 后，我們開始下載cuDnn 7.0，需要注意的是，下載cuDNN需要在nvidia上注冊賬號(hào)，使用郵箱注冊就可以，免費(fèi)的。登陸賬號(hào)后才能下載。注意印象是密碼設(shè)置的為至少9位。
至關(guān)重要的一步：
由于CUDA Toolkit需要在指定版本顯卡驅(qū)動(dòng)環(huán)境下才能正常使用的，所以如果我們已經(jīng)安裝了nvidia顯卡驅(qū)動(dòng)（很顯然，大部分人都安裝了），再安裝CUDA Toolkit時(shí)，會(huì)因二者版本不兼容而導(dǎo)致CUDA無法正常使用，這也就是很多人安裝失敗的原因。而CUDA Toolkit安裝包中自帶與之匹配的顯卡驅(qū)動(dòng)，所以務(wù)必要?jiǎng)h除電腦先前的顯卡驅(qū)動(dòng)。我也把MX250的顯卡驅(qū)動(dòng)卸載了。后來掃描硬件的時(shí)候又出現(xiàn)了，一頭霧水。
CUDA：選擇自定義安裝--->勾選所有驅(qū)動(dòng)組件--->一路通過
cuDNN：解壓后將三個(gè)文件夾中內(nèi)容分別粘貼到CUDA安裝目錄下對應(yīng)文件夾內(nèi)即可。
第三步：安裝tensorflow-gpu
1.創(chuàng)建conda環(huán)境
conda create -n tensorflow pip python=3.5
之前就把conda設(shè)置為了清華源，下載速度很快
2.激活環(huán)境
activate tensorflow
這樣就進(jìn)入了剛創(chuàng)建的“tensorflow”環(huán)境。
3.安裝tensorflow-gpu
pip install --ignore-installed --upgrade tensorflow-gpu=1.8.0
4.測試
能成功運(yùn)行的話這樣就安裝成功啦！
注意在VScode中把設(shè)置調(diào)成env中的tensorflow環(huán)境就行了。
最終運(yùn)行代碼時(shí)報(bào)錯(cuò)：failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED 并直接退出運(yùn)行，問題在于：
https://blog.csdn.net/weixin_42769131/article/details/84372952
如果你是使用 GPU 版 TensorFlow 的話，并且你想在顯卡高占用率的情況下（比如玩游戲）訓(xùn)練模型，那你要注意在初始化 Session 的時(shí)候為其分配固定數(shù)量的顯存，否則可能會(huì)在開始訓(xùn)練的時(shí)候直接報(bào)錯(cuò)退出：
這時(shí)你需要用下面的方法創(chuàng)建 Session：
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
這里的0.333就是占你總顯存的份額。
遇到的諸多問題：
1.tensorflow2.0
我完全按照博客中的步驟來時(shí)，發(fā)現(xiàn)安裝了tensorflow-gpu2.0，結(jié)果證明，2.0完全用不了，如果是自己慢慢研究寫代碼或許還可以，我用的別人兩年前的代碼，人家用的tensorflow肯定不是2.0版本的，許多tf語句都不一樣，例如：報(bào)錯(cuò)：“AttributeError: module 'tensorflow' has no attribute 'Session'”
因?yàn)槭莟ensorflow 2.0版本
怎么解決：
此時(shí)須用
tf.compat.v1.Session()
替代
tf.Session()`
2.tensorflow1.4.0
也用不了，報(bào)錯(cuò)：ImportError: Could not find 'cudart64_100.dll'
解決方法：https://blog.csdn.net/aya_tao/article/details/100056269
但是解決了（改名后可以用但）事實(shí)上也無法用gpu加速，這就是第三個(gè)問題了
3.GPU占用率1%
看似安裝完成之后其實(shí)也沒有用GPU加速，原因尚未可知，至少前兩個(gè)問題中的版本用不了。我還嘗試使用TensorFlow指定GPU設(shè)備、分配顯存，依然沒有用。
4.查閱過的博客
https://ask.csdn.net/questions/710159無法調(diào)用gpu
https://blog.51cto.com/cfy10/2446977?source=dra安裝tensorflow2.0的坑
https://blog.csdn.net/gangeqian2/article/details/79358543tensorflow安裝
https://blog.csdn.net/littlehaes/article/details/82317220tensorflow獲取可用運(yùn)算設(shè)備(CPU,GPU)
