Tensorflow 2.0 GPU 版安装教程

引言

目前的深度学习框架大都基于NVIDIA 的GPU 显卡进行加速运算，因此需要安装NVIDIA 提供的GPU 加速库CUDA 程序。
CUDA 的安装分为CUDA 软件的安装、cuDNN 深度神经网络加速库的安装和环境变量配置三个步骤。

CUDA 软件安装

打开CUDA 程序的下载官网：https://developer.nvidia.com/cuda-10.0-download-archive，
根据自己的系统配置选择，我的是 win7 64位系统，这里我们使用CUDA 10.0 版本，依次选择Windows 平台，x86_64 架构，7 系统，exe(local)本地安装包，再选择Download 即可下载CUDA 安装软件。
下载完成后，打开安装软件。选择”Custom”选项，点击NEXT按钮

进入下一步安装程序选择列表，在这里选择需要安装和取消不需要安装的程序。
在CUDA 节点下，取消”Visual Studio Integration”一项；

在“Driver components”节点下，比对目前计算机已经安装的显卡驱动“Display Driver”的版本号“Current Version”和CUDA 自带的显卡驱动版本号“New Version”，如果“Current Version”大于“New Version”，则需要取消“Display Driver”的勾； 如果小于或等于，则默认勾选即可。设置完成后即可正常安装完成。

安装完成后，我们来测试CUDA 软件是否安装成功。
打开cmd 命令行，输入“nvcc -V”，即可打印当前CUDA 的版本信息，

同时我们也可从CUDA 的安装路径“C:\Program Files\NVIDIA GPU Computing、Toolkit\CUDA\v10.0\bin”下找到“nvcc.exe”程序

如果命令无法识别，先不要紧张。我们接着把下一步完成后返回去再试一下：）

cuDNN 神经网络加速库安装

CUDA 并不是针对于神经网络设计的GPU 加速库，它面向各种需要并行计算的应用设计。如果希望针对于神经网络应用加速，需要额外安装cuDNN 库。需要注意的是，cuDNN 库并不是运行程序，只需要下载解压cuDNN 文件，并配置Path 环境变量即可。
打开网址，https://developer.nvidia.com/cudnn ，选择“Download cuDNN”，

由于NVIDIA公司的规定，下载cuDNN 需要先登录，因此用户需要登录或创建新用户后才能继续下
载。

登录后，进入cuDNN 下载界面，勾选“I Agree To the Terms of the cuDNN Software License Agreement”，即可弹出cuDNN 版本下载选项。我们选择CUDA 10.0 版本，并点击“cuDNN Library for Windows 7 ”链接即可下载cuDNN 文件。
需要注意的是，cuDNN 本身具有一个版本号，同时它还需要和CUDA 的版本号对应上，不能下错不
匹配CUDA 版本号的cuDNN 文件。

下载完成cuDNN 文件后，解压并进入文件夹，我们将名为“cuda”的文件夹重命名为“cudnn765”，并复制此文件夹。进入CUDA 的安装路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，粘贴“cudnn765”文件夹即可

环境变量 Path 配置

上述cudnn 文件夹的复制即已完成cuDNN 的安装，但为了让系统能够感知到cuDNN 文件的位置，我们需要额外配置Path 环境变量。
打开文件浏览器，在“我的电脑”上右击，选择“属性”，选择“高级系统属性”，选择“环境变量”，在“系统变量”一栏中选中“Path”环境变量，选择“编辑”。选择 “新建”，在最左端输入我们cuDNN 的安装
路径“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn765\bin”，

CUDA 安装完成后，环境变量中应该包含如下三项
“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin”，
“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp”
“C:\Program Files\NVIDIA GPU Computing oolkit\CUDA\v10.0\cudnn765\bin”

TensorFlow 安装

# 使用清华源安装TensorFlow GPU 版本
pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

上述命令自动下载TensorFlow GPU 版本并安装，目前是TensorFlow 2.0.0 正式版，
“-U”参数指定如果已安装此包，则执行升级命令。
耐心等待，中间如果有warning或 error也不用管，待程序自动完成。

最后测试GPU 版本的TensorFlow 是否安装成功。
在cmd 命令行输入命令,如果没有错误产生，

import tensorflow as tf

继续输入

tf.__version__

查看安装的版本信息，这里是2.0.0 版本的。

继续输入

tf.test.is_gpu_available()

测试GPU 是否可用，此命令会打印出一系列以“I”开头的信息(Information)，其中包含了可用的GPU 显卡设备信息，最后会返回“True”或者“False”，代表了GPU 设备是否可用。
如果为True，则TensorFlow GPU版本安装成功！