深度学习篇——Tensorflow-GPU配置
tensoflow-gpu安装
对于python 3.5和3.6的童鞋们而言，安装tensorflow其实并不难，因为我们可以通过pip直接安装。
不过，第一要求你安装的python是64位的，如下图所示，注意划黄色线的部分。
python 位数确定
第二，通过pip安装的话，有一个缺点，那就是会造成cpu的算力不够，因为缺少两个C的库，不过没有影响的。如果你是一个完美主义者，那么就只能通过Bazel方式源码安装Tensorflow了。详细过程我之后会发布相关文章，可以留意一下☺。
pip 安装 Tensorflow-gpu
cuda配置
最新的Tensorflow-gpu 使用的是cuda 9.0.dll的内容，所以就要下载cuda 9.0对应window或者linux或者mac的版本的安装文件了。（下载网站：https://developer.nvidia.com/cuda-90-download-archive）
下载界面
我的电脑是window10，所以就选择如图所示的选项。主要的提一点，就是最后的Installer Type这个选项，exe（network）是在线安装版，也就是你执行这个安装程序，需要联网。exe（local）是离线安装版，不过他文件比较大。选完后，点击下面的download就行下载。
exe（network）线安装版
exe（local）离线安装版
下载完成后，双击运行文件
选择 ok
等进度条走完，就会进入安装界面。
安装加载界面
检查系统兼容性，等一下就好
如果检测通过了，那么恭喜你，你的显卡可以安装cuda，如果没有通过，只能抱歉的告诉你，只能请你pip unistall tensorflow-gpu，然后执行pip install tensorflow。那你的电脑的显卡不支持tensorflow-gpu加速。
点击 同意并继续
如果你不知道你要安装些什么，那么请你勾选，精简。如果
勾选精简，然后点击下一步
等待安装完成
选择 下一步
全部勾选 ，点击关闭
下面这一步很重要：
CUDA_PATH是C:Program FilesNVIDIA GPU Computing ToolkitCUDA9.0但是仅仅如此，是不够的，还需要在环境变量里的path全局变量里加入，这个下面的bin和lib\x64目录的路径。
cudnn配置
对于tensorflow而言，真正实现加速的是cudnn，然后cudnn调用的是cuda显卡驱动。所以最后我们要配置cudnn这个模块。
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library，是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，例如convolution、pooling、normalization以及activation layers的前向以及后向过程。
cuDNN只是NVIDIA深度神经网络软件开发包中的其中一种加速库。想了解NVIDIA深度神经网络加速库中的其他包请戳链接https://developer.nvidia.com/deep-learning-software。
下面我们说一下正确的安装cuDNN方式，其实跟着官方安装说明进行安装就可以了。
-
从https://developer.nvidia.com/cudnn上下载cudnn相应版本的压缩包（可能需要注册或登录）。
-
如果这个压缩包不是.tgz格式的，把这个压缩包重命名为.tgz格式。解压当前的.tgz格式的软件包到系统中的任意路径，解压后的文件夹名为cuda，文件夹中包含三个文件夹：一个为include，另一个为lib64，还有一个是bin，然后复制到CUDA_PATH下面。
-
将解压后的文件中的lib/x64文件夹关联到环境变量中。这一步很重要。（配置到环境变量的path全局变量里，详细过程这里就不演示了）
复制目录的位置
运行tensorflow检验
#coding=utf-8
import tensorflow as tf
import numpy as np
hello=tf.constant('hhh')
sess=tf.Session()
print (sess.run(hello))
如果运行，没有报错，就是表示可以放烟花了。我们可以愉快的开始tensorflow之旅了。
cuda、cudnn资源分享（百度网盘）
链接：https://pan.baidu.com/s/1pYBOe1M2pFHQUAZ8A5uwgw 密码：thji
可能会失效，如果失效，请在下方评论。
