win10家庭中文版CUDA+CUDNN+显卡GPU使用tensorflow-gpu训练模型安装过程(精华帖汇总+重新修改多次复现)
查看安装包 pip list
本帖提供操作过程，具体操作网上有好多了，不赘述。红色字体为后来复现出现的问题以及批注
题外话：
（1）python 的环境尽量保持干净，尽量单一，否则容易把自己搞晕，不知道自己后来项目开发的依赖包到底安装在哪里了。
（2）无论是安装python2 还是python3，还是anaconda，一定要清楚自己的环境，不要一连装了好几个版本，会崩的。
（3）查看环境变量，python的环境变量是否都被配置，如何配置，在安装python时就已经涉及到了，最后采用anaconda虚拟环境安装时不需要配置。
如果实在是需要，我的建议是在anaconda里可以重建多个虚拟环境 ，重建环境，最后一个步骤会介绍。
我测试过三遍，我这个版本是可以走通的。后来利用GTX 1060 6G的环境安装，也是没问题的。
环境：
OS：win10
cuda：9.0
cudnn：cudnn-9.0-windows10-x64-v7.4.1.5
GPU: 1050 ti
后来分别用 GTX 1060 6g 以及 GTX 950 选择这个版本都能运行
资源包：https://pan.baidu.com/s/1rI_6zBlSIbs5fMWhydqqvA
提取码：2pzm
步骤，最好按照顺序来：
一、查看自己的显卡和驱动类型，下载对应的版本
盗来的这张图：
粗略的看下版本对应关系：
tensorflow-windows-wheel: Tensorflow prebuilt binary for Windows 部分图如下，VS版本可能不需要对应，我这里仍然用的是vs2105
桌面右键找到nVidia图形显卡按钮，这里提一下，我的是：
后来我用这个配置也是能运行的，截个图
附录，看清楚了：
二、安装CUDA
如果系统原先自带驱动，我直接覆盖，并未卸载。靠谱的安装方法看这里：
注意：会报错，需要安装VS2015，而且最好是VS2015
需要先安装VS2015：
网上关于VS2015的安装层出不穷，垃圾的太多了，前前后后我装了不只五遍，摸索出最好最简便的方式时就是默认安装，默认路径，否则很容易绕晕，
建议首先选择典型值，然后继续下去，如果后来配置cuda出现问题，打开控制面板->卸载程序-> 指定vs2015 右击-> 更改 再重新自定义安装，否则东西太大了，很多都是没啥用；
总共装了这么多东西，有些也可能是真的不需要，如图：
安装cuda 9.0
如果已经安装过cuda 9.2 或者其他的版本，重新安装cuda 9.0 会出现下面界面，个人直接继续安装，选择默认路径：
一般情况下CUDA的安装会出错，坑介绍的很详细了， 最好自定义安装，VS有一个组件需要单独安装：
重点！遵循下面帖子的操作方式，cuda安装包暂时不要关闭
以及对这个帖子的解释：
【软件安装】CUDA安装失败+win10+VS2015+CUDA8.0+CUDAVisualStudioIntegration找不到 - LeonJin的博客
接着：
如果已经安装过其他的版本，会出现下面：
接着，打开控制面板-> 卸载程序，出现图示冲突的，我就直接卸载，基本上都是后缀带版本 9.2的。这是后来的截图：
原先卸载的时候没注意，多卸载了图形显示卡，后来装上tensorflow-gpu cuda报错，用了驱动精灵把缺失的驱动补了回来
又从此步重新再跑一遍流程，题外话。
我两次一次配置了CUDA的环境变量，一次没有配置，都可以运行，里面提到了配置环境变量：
【CUDA】CUDA9.0+VS2017+win10详细配置_Python_笔尖的博客-CSDN博客
注意，验证cuda是否安装成功， 上面帖子提到的deviceQuery.exe 和 bandwidthTest.exe返回的 result 结果必须时 pass ！！
进入cmd后输入 nvcc -V 指令不一定正确。
三、安装cudann
安装cudann的坑不多。
将解压后的 cudann 压缩包直接放在 cuda 9.0 的安装目录下就好
放入后：
备注：有人提到需要配置 cudann 的环境变量，我没有配置，不确定是否系统自动生成，从结果上看，暂时还没出现影响。
四、安装anaconda
anaconda在安装的时候自带python环境的
安装不赘述了，不是重点了，提一下，最好勾选添加环境变量选项。
五、安装tensorflow-gpu
版本问题---keras和tensorflow的版本对应关系 - WP的烂笔头
tensorflow-gpu 也是需要安装自定义python环境，和anaconda的python版本独立，尽量不要直接在基环境中直接安装 tensorflow-gpu 版本的。
查看Ancona环境
conda info --envs
创建环境，并安装python版本：
#创建制定python版本的环境名字为tfgpu
conda create -n tfgpu python=3.6
备注：如果环境错误，可以直接重新运行命令，然后自动删掉原先的环境。
激活，进入状态：
activate tfgpu
安装tensorflow-gpu
如果 直接指定安装，网速真的是太慢了，这里采用清华的镜像安装，指定 1.8.0 版本的，根据cuda 以及cudann版本选择gpu版本，这里可以参阅一开始提到的版本介绍，输入命令需要参考资料：
pip install --default-timeout=100 --ignore-installed tensorflow-gpu==1.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
假如需要卸载：
pip uninstall 指定上述安装的gpu版本名字
#退出虚拟环境
deactivate
# 删除某个环境 conda remove --name your_env_name --all
参考这个操作流程 TensorFlow在Windows上的CPU版本和GPU版本的安装指南（亲测有效） - 只因有你pi
进入虚拟环境安装jupyter： (tfgpu) C:\Users\adminstrator\ pip install jupyter 添加当前虚拟环境到jupyter kernel，打开jupyter notebook之后即可修改kernel： python -m ipykernel install --user --name=tfgpu
即便最后完全安装成功，但是在跑模型时跑不了的话，报错：
Check failed: stream->parent()->GetConvolveAlgorithms(&algorithms)
我的解决方案是卸载tensorflow-gpu的版本，然后安装同类型其他版本，就不停的试错额。
六、配置jupyter tensorflow-gpu 环境
cmd进入虚拟环境，也可以在anaconda prompt 进入，安装 jupyter ：
PS: 针对版本较多的情况，如果想默认打开是这个版本，需要加入环境变量，cmd后python才能默认打开的是这个版本。
七、验证安装环境
整理的帖子基本都是大同小异，看看就懂了：
测试TensorFlow（GPU）是否安装成功_人工智能_weixin_43522055的博客-CSDN博客
最好进入虚拟环境一行行代码执行，才能看到效果，我在安装jupyter后，输入这些没有看到后台执行过程。
import tensorflow as tf hello=tf.constant("hello,world") sess=tf.Session() print(sess.run(hello))
类似的贴子给大家作为参考，网上操作不全的帖子真是太多了，所以自己才吐血写了一篇：
安装教程 篇一：在Window10下安装Anaconda3 和 GPU版
在Windows平台监视英伟达（Nvidia）显卡性能 - hhy_csdn的博客
tensorflow训练使用GPU和CPU的不同指定方法 - qq_35559420的博客
windows7下使用GPU训练tensorflow深度学习模型 - baidu_15113429的博客
keras使用GPU训练模型 - suiyueruge1314的博客
PS: 先想办法去查资料，而不是去卸载版本。
报错图 1：
如果是下面这个图，可能是 cudnn 没装好：
List of Available Environments - FloydHub Documentation
更新，重新采用 1080 ti 的显卡构造模型，没测试TensorFlow 2.X 的版本的：
cuda_10.1.168_425.25_win10 cudnn-10.0-windows10-x64-v7.6.5.32 vs2015 Package Version -------------------- ------------------- absl-py 0.12.0 astor 0.8.1 cached-property 1.5.2 cachetools 4.2.1 certifi 2020.12.5 chardet 4.0.0 cycler 0.10.0 Cython 0.29.21 gast 0.2.2 gensim 4.0.1 google-auth 1.28.1 google-auth-oauthlib 0.4.4 google-pasta 0.2.0 grpcio 1.37.0 h5py 2.10.0 idna 2.10 importlib-metadata 3.10.0 Keras 2.1.6 Keras-Applications 1.0.8 Keras-Preprocessing 1.1.2 kiwisolver 1.3.1 Markdown 3.3.4 matplotlib 3.4.1 mock 4.0.3 numpy 1.20.2 oauthlib 3.1.0 opencv-python 4.5.1.48 opt-einsum 3.3.0 pandas 1.2.4 Pillow 8.2.0 pip 21.0.1 protobuf 3.15.8 pyasn1 0.4.8 pyasn1-modules 0.2.8 pyparsing 2.4.7 python-dateutil 2.8.1 pytz 2021.1 PyYAML 5.4.1 requests 2.25.1 requests-oauthlib 1.3.0 rsa 4.7.2 scipy 1.6.2 setuptools 52.0.0.post20210125 six 1.15.0 smart-open 5.0.0 tensorboard 1.13.1 tensorflow-estimator 1.13.0 tensorflow-gpu 1.13.1 termcolor 1.1.0 tqdm 4.60.0 typing-extensions 3.7.4.3 urllib3 1.26.4 Werkzeug 1.0.1 wheel 0.36.2 wincertstore 0.2 wrapt 1.12.1 zipp 3.4.1
