安装CUDA9.0及对应版本的tensorflow-gpu详细过程补充

本文大多借鉴此博客，请阅读下边的说明后参考本博客安装：安装CUDA9.0及对应版本的tensorflow-gpu详细过程（Windows server 2012R2版本也可以）

下面是对上述教程的补充：

查看自己电脑NV显卡驱动的版本，找到对应的CUDA版本

方法参考链接
版本对照表：

比如我的电脑NV显卡驱动版本是385.54，那么我就去下载CUDA9.0（如果显卡版本太低，可以下载一个驱动精灵更新一下英伟达显卡驱动，然后再查看一下对应的cuda版本）

vs2015和cuda的安装问题

按照原博客，一定要先安装vs2015/2017，然后再安装cuda，顺序反了的话cuda安装的时候不会生成配置文件，这导致你用vs2015导入项目失败。补救措施就是卸载cuda，装完vs再重新装cuda

环境变量

原博客中的这个路径我没找到，，，但是后边也能用，玄学。
C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0\bin

cuDNN版本问题

下载cuDNN的时候发现“for 9.0”的几乎每年都会有新版本，原博客推荐的是7.0.5。比较新的是7.6.5，我下载了前者，成功了。有兴趣的同学可以试试7.6.5

安装tensorflow

原博客推荐安装1.8版本的。但是实测不行，我的方案是：
在pycharm中用小加号直接安装tensorflow-gpu 1.12.0，对应版本的tensorflow也会被安装上的。如果有需要可以继续用小加号安装keras-gpu 2.2.4（这个只安装gpu版本的就行）
附上一张tensorflow和keras的版本对照表：https://www.cnblogs.com/carle-09/p/11661261.html
这里说明一下，tensorflow 1.12.0是自带keras 2.1.6的，也可以再单独安装keras。使用的时候不要混着用就行，一般情况下使用tensorflow自带的keras就行。
查看tensorflow中keras的版本：

import tensorflow as tf
from keras import layers
 
print(tf.VERSION)# 1.12.0
print(tf.keras.__version__)# 2.1.6-tf

查看单独装的keras版本：

import keras
print(keras.__version__) # 2.2.4

三个你可能遇到的问题：

• 安装完毕使用tensorflow可能会出现numpy版本过高警告：
  [TensorFlow报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated…]
  解决方法推荐修改dtype代码，修改方式参考：https://blog.csdn.net/BigDream123/article/details/99467316

(https://blog.csdn.net/kobe_academy/article/details/99706595)
也可以安装一个低版本的numpy就可以了，注意，不要在pycharm中卸载numpy_base，因为你的tensorflow和keras也会一并被卸载掉。
但是不太推荐numpy降级，因为python包都是相互依赖的，可能会导致其他问题

```bash
pip install numpy==1.16.4
```

执行上述命令他会自动卸载掉高版本的numpy，其实忽略这个警告也行

• h5py包出错
  成功解决：FutureWarning: Conversion of the second argument of issubdtype from float to np.floating is
  这个对h5py进行更新升级：

  pip install h5py==2.8.0rc1
  

• 测试是否安装好tensoflow-gpu的python代码：

  import tensorflow as tf
  print(tf.test.is_gpu_available())
  

  如果输出True就是能用GPU了，恭喜！