window10下安装tensorflow1.11+cuda9+cuDnn7+anaconda3-5.3

安装Anaconda和Tensorflow

一开始使用pycharm自带的第三方库安装方法安装TensorFlow1.12，但是无论如何都提示缺少动态链接库，重装了多遍vc++2015都没有用，实在找不到解决方法的时候，遇到了救星Anaconda

以下安装参考：

https://blog.csdn.net/luffysam/article/details/82949864

步骤

1、从官方网站下载Anaconda；
https://www.anaconda.com/download/

2、进行软件安装。。安装目录推荐改一改，推荐（D:\Anaconda3），下图这边打个勾，其他目测一路next。

3、安装完成Anaconda之后，检查下环境变量；
进入到win+r cmd中的命令模式：
实际命令： conda --version

如图正常显示版本号，就没问题

4、创建一个虚拟环境（在此环境内可以任意配置而不会影响系统的环境）
介绍：
conda create -n 环境名 -c 镜像源
用户安装的不同python环境都会被放在安装目录的~/anaconda/envs下，可以在命令中运行conda info --envs查看已安装的环境，当前被激活的环境会显示有一个星号或者括号。
具体命令详情参考
实际命令：conda create -n tensorflow python=3.6

为啥最新版本是3.7 而我使用3.6呢？
安装Tensorflow得参考Tensorflow的版本信息
目前Tensorflow安装支持的pythen版本就是cp36

5、激活tensflow环境：
实际命令：activate tensorflow

6、更新pip
实际命令：pip install --upgrade pip -vvv
如果报错改成:D:\Anaconda3\envs\tensorflow\python.exe -m pip install --upgrade pip

7、具体看 步骤9补充2，先装完2个组件（cuda+cudnn），安装Tensorflow-gpu 1.11版
实际命令：conda install --channel https://conda.anaconda.org/nwani tensorflow-gpu
如何得到这个命令，详情参考步骤9补充1。
8、完成安装。

9、

补充说明：

       1、cmd中输入以下命令搜索当前可用的tensorflow_gpu版本
       实际命令：anaconda search -t conda tensorflow-gpu

      找到你想要的版本
      实际命令：anaconda show nwani/tensorflow-gpu
      然后运行
      实际命令：conda install --channel https://conda.anaconda.org/nwani tensorflow-gpu
      2、tensorflow-gpu需要安装 cuda+cudnn，tensorflow的安装无需这俩组件。
      具体看教程具体看教程
      3、不装cuda+cudnn的话，想直接安装tensorflow，把命令中的"tensorflow-gpu"都改成"tensorflow"。补充1那边，得搜索下安装 命令

      4、conda install 命令没装成功或者超时了，进相应安装环境，再执行一遍就好了。

10、pycharm的环境配置。

     1、下载安装pycharm。不赘述

      2、新建项目或者设定修改python环境

注意选择的时候要选Anaconda给项目环境配置的路径，也就是

Anaconda3中的envs文件夹，这样配置的文件就能在pycharm中看到了。

安装中遇到的问题：

在按照上述流程安装中，碰到这么个蛋疼的情况

TensorFlow-base-1.12和tensorboard-1.12 联接失效了，所以只能选择其他的镜像库，这里参考了

https://blog.csdn.net/m0_37691307/article/details/80468568

https://blog.csdn.net/vola9527/article/details/78605834/

https://blog.csdn.net/wz947324/article/details/80227750

按照上述的方法，在Anaconda中输入

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

也就是清华和中科大的库，但是这些镜像库更新的并不及时，目前只有1.11版本。

然后就可以用了。

看看效果：

指定CPU或者GPU计算

#使用CPU进行计算
    with tf.device("/cpu:0"):
        a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3])
        b = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2])
        c = tf.matmul(a,b)
        #查看计算时硬件的使用情况
        sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
        print(sess.run(c))

参考：https://blog.csdn.net/sinat_29957455/article/details/80636683

Cpu版本

Gpu版本

运算速度提高了15.6倍，至此就能使用Gpu计算了~