前言
目前最流行的windows深度學(xué)習(xí)框架是tensorflow，由谷歌設(shè)計。在tensorflow之上，有一個高級封裝的庫，叫keras，寫起來很省事。但是，在windows上搭建tensorflow-gpu平臺非常困難。當(dāng)然，CPU版本很容易，不過訓(xùn)練效率太低。紀(jì)念一下填過的各種坑。
如果之前裝過CUDA，刪除后再裝新的裝不上，可以用DDU把顯卡驅(qū)動刪干凈，再試試。
流程
- install anaconda
- install visual studio 2017
- install CUDA
- install cudnn
- install tensorflow-gpu version
- install keras
警告：不要安裝tensorflow cpu版本，有的話趕緊刪了，可能會使得gpu版本安裝失敗。
Anaconda
這是一個很好用的開發(fā)環(huán)境，省去很多事，自帶許多庫。請直接在官網(wǎng)下載最新版，即python 3.7版本。
安裝后，需要降級為3.6.8，至少目前需要，因為tesnsorflow和keras對python 3.7支持不算好。
具體方法，打開Anaconda Prompt，一個類似命令行的東西，控制anaconda環(huán)境python各種庫的安裝。輸入：
conda install python=3.6.8
等待提示（y/n），輸入y，開始下載安裝，完成后就會提示done。此時，python3.7已經(jīng)退回到python3.6.8了。
在Prompt中輸入python，看一看版本對不對。
Visual Studio
Visual Studio的安裝對于整個部署來說很重要，他是個環(huán)境，Visual Studio一般在微軟官網(wǎng)下載即可。要注意版本，2017版就沒問題。具體安裝可以百度一下，也要當(dāng)心有坑。
CUDA
CUDA對于深度學(xué)習(xí)很關(guān)鍵，請查看自己顯卡型號，在下面網(wǎng)址里看一看兼容性。一般，CUDA 9.0就可以對付了。https://www.nvidia.cn/object/cuda_learn_products_cn_old.html
例如，我的顯卡是GTX 960M，安裝CUDA 9.0。
這是官網(wǎng)的支持，我們可以看到CUDA 9.0都能對付。
CUDA直接在NIVIDA官網(wǎng)下載即可，選擇local版本，而不是聯(lián)網(wǎng)版本。
以下是每個步驟需要注意的點：
1、安裝時選擇“自定義”，然后下一步有一個安裝目錄，建議不要更改。
2 、下一步，不要勾選Visual Studio Integration。
3、安裝完成。如果說安裝失敗，別沮喪，看一看是哪個模塊沒裝上。我的shadowplay模塊一直也沒裝上，但也不影響使用?；径佳b上，就可以了。
進入CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions后看見有四個文件，將這四個文件拷貝到Visual Studio的對應(yīng)目錄下，參考路徑：
C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations
4、退出安裝程序，打開cmd然后輸入“nvcc -V”，如果安裝正確的話會看到CUDA版本信息。
5、關(guān)于環(huán)境變量的問題，反正我沒配置，也成功了。CUDA自己會配置好兩個路徑，應(yīng)該夠用了。不是很專業(yè)不要再配置環(huán)境變量了。
CUDNN
這玩意不用安裝，它是一些寫好了的幫助計算的函數(shù)。在官網(wǎng)下載CUDNN，需要先注冊賬號，選擇跟CUDA版本對應(yīng)的cuDNN版本。下載后解壓壓縮包，分別將文件夾下三個文件拷貝到CUDA目錄下相應(yīng)同名文件夾內(nèi)：
Copy \cuda\bin\cudnn64_7.dllto C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.
Copy \cuda\ include\cudnn.h to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.
Copy \cuda\lib\x64\cudnn.lib to C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64.
bin對應(yīng)bin，include對應(yīng)include，x64對應(yīng)x64
驗證安裝是否成功
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite找到deviceQuery.exe和bandwidthTest.exe，注意需要在cmd里運行，先運行bandwidthTest.exe再運行deviceQuery.exe，留意運行結(jié)果的最后是否result = PASS，如果兩個文件都是，那么說明CUDA能夠和底層硬件正常溝通。
tensorflow-gpu
在Anaconda Prompt中輸入：
pip install tensorflow-gpu==1.12.0
成功后，輸入：
python
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
沒報錯且查看日志信息若包含gpu信息，就是使用了gpu。 如果沒有，就是安裝失敗了。
emmm, just wait for a minute
事實證明，1.12.0在后來訓(xùn)練程序時直接報錯，還是版本不對應(yīng)。解決辦法是降到1.9.0。說白了就再裝一次就行，會自動刪除以前的。
keras
pip install keras -U
調(diào)用一下，應(yīng)該會顯示使用tensorflow后端。
R
這些都成功后，在R里直接裝個keras基本就完事了。很方便。
鳴謝
https://blog.csdn.net/weixin_39671140/article/details/84585072
