本人最近在研究機器學習方面的知識，要運用unet來實現醫學圖像分割，本文是為了實現unet代碼而做的前期準備工作，綜合網上的經驗與自身的實踐最終選擇了keras+tensorflow-gpu來跑unet代碼，下面是我安裝tensoflow-gpu的整個過程，記錄下來方便以后查閱。
目錄
1. 安裝anaconda
2. 創建虛擬環境并安裝python3.6
3. 安裝tensorflow-gpu
3.1 安裝前奏——CUDA和cuDNN
3.1.1下載CUDA
3.1.2 cuDNN下載
3.1.3 CUDA安裝
3.1.4 cuDNN配置
3.2 tenforflow-gpu下載
3.3 測試代碼
1. 安裝anaconda
這個很簡單，已安裝的直接跳過。未安裝可參考https://baijiahao.baidu.com/s?id=1616120886763657106&wfr=spider&for=pc
2. 創建虛擬環境并安裝python3.6
安裝好anaconda后，點擊開始——Anaconda Prompt。
輸入代碼，創建一個名字為tensorflow，python版本為3.6的虛擬環境。
conda create -n tensorflow python=3.6
?
?
輸入y，成功后激活虛擬環境
輸入代碼，進入虛擬環境
activate tensorflow
此時環境由base變為tensorflow，tensorflow環境里只有剛剛創建環境時安裝的python3.6
3. 安裝tensorflow-gpu
3.1 安裝前奏——CUDA和cuDNN
用GPU計算肯定離不開顯卡，顯卡的好壞決定了你的運算速度。首先查看你的顯卡，gpu算力需要5.0以上的顯卡才能進行GPU的計算https://blog.csdn.net/huixingshao/article/details/82215703? 然后就是安裝CUDA和cuDNN。
去官網下載對應的CUDA版本，最新版本為CUDA10.1（安裝最新版你很可能會失敗）, 個人推薦CUDA9.0+cuDNN7.0的組合 ，畢竟我是成功過的人！！
3.1.1下載CUDA
下面是各個版本的CUDA下載地址https://developer.nvidia.com/cuda-toolkit-archive
按照上圖選項下載CUDA9.0，文件1.4G，等待下載完成。
3.1.2 cuDNN下載
各版本cuDNN下載地址https://developer.nvidia.com/rdp/cudnn-archive
找到cuDNN v7.0.5?for CUDA9.0，然后選擇Library for Windows 10，文件173M等待下載完成。
3.1.3 CUDA安裝
以防萬一，先把殺毒軟件退出，再雙擊運行剛剛下載好的CUDA9.0 exe文件
推薦默認選項，不要更換路徑，強烈建議！點擊ok
等待進度條完成，點擊同意并繼續
點擊自定義，下一步。
?
?
點擊 I understand --->NEXT。然后等待安裝完成。
?
如果你到達了這一步，恭喜你，你快成功了！（期間有閃屏是成功的體現！）
如果沒有到達上一步，卡住了，可以將所有NVIDIA的程序卸載后，殺毒軟件清理垃圾再重啟重新安裝。
3.1.4 cuDNN配置
將下載好的cuDNN壓縮包解壓，
然后把里面 所有的文件包括文件夾 復制粘貼到CUDA9.0的安裝目錄下，
默認安裝路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
檢查環境變量，右鍵我的電腦-->屬性-->高級系統設置-->環境變量。
出現上面兩個環境變量名即安裝成功。
3.2 tenforflow-gpu下載
安裝tensorflow-gpu1.6版本，調用鏡像加速，下載速度快一些。確保在tensorflow環境下輸入以下代碼
pip install tensorflow-gpu==1.6 -i https://pypi.douban.com/simple
網上有太多的版本了，看的眼花繚亂，這里可以參考一下tensorflow版本和cuda對應表
圖片來源https://blog.csdn.net/lifuxian1994/article/details/81103530
?
可以用pip list查看目前安裝的包，可以看到tensorflow-gpu 1.6已成功安裝。
接下來就可以用tensorflow gpu加速啦！在命令行輸入pip install keras安裝keras
3.3 測試代碼
?
在命令行進入python，分別輸入import tensorflow和import keras，不報錯即安裝成功
接下來測試tensorflow-gpu，在python文本編輯中輸入以下代碼
import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
if __name__ == "__main__":
print(device_lib.list_local_devices())
?
會得到以下輸出。
出現GPU的信息即說明tensorflow-gpu可用。
也可以打開anaconda，將base環境切換成tensorflow。
切換后安裝Spyder（因人而異，選擇編輯工具），再輸入上面的代碼來進行測試。
總結：失敗多次的原因還是因為CUDA和cuDNN的版本不導致而造成的，版本一定要對應！！還有tensorflow的版本也要對應，不要一味的裝最新版。
1. 如果找不到tensorflow，請在命令行輸入pip list，查看是否安裝tensorflow-gpu版本，如果不是，就運行pip uninstall tensorflow....把所有帶tensor的都卸載掉，重新安裝pip install ?tensorflow-gpu==1.6 -i ?https://pypi.douban.com/simple
2. 測試代碼時，如果找不到skimage，則在命令行輸入pip install scikit-image
3. 如果只顯示cpu信息，則通過pip list查看tensorflow版本。
4. 如果還是有錯誤，請逐一確認python版本為3.6以下版本，CUDA9.0+cuDNN7.0+tensorflow-gpu 1.6。
?
?
?
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
