记一次为GPU服务器搭建机器学习平台的操作
安装Anaconda
去官网安装Anaconda
添加环境变量以后,创建TensorFlow环境
将以下三个路径加入，注意这里要换成你自己的安装路径。1
2
3C:\Users\xxx\anaconda3
C:\Users\xxx\anaconda3\Scripts
C:\Users\xxx\anaconda3\Library\bin
安装gpu版本的TensorFlow
激活TensorFlow环境activate tensorflow
注意: 如果出现报错先运行
conda init初始化,关闭cmd重新打开即可运行
pip install tensorflow-gpu==1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
这样就安装成功了。
注意：务必注意一点，在安装完tensroflow后，由于我们是新创建的conda环境，该环境中基本上是空的，有很多包和IDE并没有安装进来，例如“Ipython”，“spyder”此时如果我们在该环境下打开spyder/Ipyton/jupyter notebook等，会发现其实IDE使用的kernel并不是新建立的这个环境的kernel，而是“base”这个环境的，而“base”环境中我们并没有安装tensorflow，所以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。
安装anaconda基础环境:
conda install anaconda
安装CUDA Toolkit + cuDNN
查看需要安装的CUDA+cuDNN版本
注意，tensorflow是在持续更新的，具体安装的CUDA和cuDNN版本需要去官网查看，要与最新版本的tensorflow匹配。
点击查看最新tensorflow支持的CUDA版本：https://www.tensorflow.org/install/install_windows#requirements_to_run_tensorflow_with_gpu_support
我这里安装的是
下载之后，双击CUDA9.0，一路戳戳戳。
CuDNN
进入 https://developer.nvidia.com/rdp/cudnn-archive ，选择对应的7.0版本下载即可。
将cuDNN解压。将解压出来的三个文件夹下面的文件放到对应的CUDA相同文件夹下
CUDA默认安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
以上完成之后把以下四个路径加入到环境变量中：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
设置完环境变量后,输入nvcc -V
成功!
测试
如下图所示:/device:GPU:0即调用了GPU
如果返回为空,就是only CPU
参考网站:
https://www.cnblogs.com/guoyaohua/p/9265268.html#%E7%AC%AC%E4%BA%8C%E6%AD%A5%E5%AE%89%E8%A3%85tensorflow-gpu
https://zhuanlan.zhihu.com/p/37157215