引言

越來越多的的人入坑機器學習，深度學習，tensorflow 作為目前十分流行又強大的一個框架，自然會有越來越多的新人（我也剛入門）準備使用，一般裝的都是 CPU 版的 tensorflow，然而使用 GPU 跑 tensorflow，速度可以快上好幾倍。正好前段時間看到了使用小米pro（我目前使用的筆記本，感覺賊好用（我沒有在推銷））配置 gpu 的教程，就試了試，最後成功了。

環境

操作系統：Windows10

配置：Tensorflow 1.12 + CUDA 9.0 +cuDNN v7.1 for CUDA9.0

GPU：NVIDIA GeForce MX150（小米pro i7-8550 8G 256G）

軟件：Anaconda（我之前寫過安裝教程）

實際操作

一、安裝CUDA、cuDNN

需要考慮版本配套問題，不然即使裝了最後也會報錯。這裏給出 CUDA 和 cuDNN 的網盤連接，提取碼：e1ak

CUDA

再給一波關於顯卡是否對 CUDA 支持的查看網址，如果不確定自己的顯卡是否支持 CUDA，可以去看看。

關於 CUDA 的安裝，看這篇文章，寫的很詳細（好吧，還是我比較懶，不太想敲鍵盤）

cuDNN

官網下載地址

註意：下載的時候要下對應自己下載的CUDA的版本

把下載好的 cuDNN 的 zip 解壓後，把 bin、include、lib 三個文件夾內的文件拷貝到 CUDA 9.0 的目錄下的對應文件中即可。

CUDA 的默認路徑

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\

然後開始配置環境變量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

二、創建虛擬環境

這裏還是比較建議新創建一個虛擬環境，免得安裝好的 tensorflow-gpu 跟原環境中的某些包沖突。

1.打開Anaconda Prompt

2.創建虛擬環境

鍵入

conda create --name tensorflow-gpu python=3.6.1

3.啟動虛擬環境

activate tensorflow-gpu

三、安裝tensorflow-gpu

1.安裝

兩種方法

1. pip install --upgrade tensorflow-gpu
2. 下載 tensorflow-gpu 的離線安裝包，找到下載好的whl路徑，然後鍵入

   pip install c:\...\tensorflow_gpu-xxxx.whl

   下載地址

2.測試

輸入

python

然後再輸入

import tensorflow as tf

如果沒報錯，就表示安裝成功了。

然後，再來段 tensorflow 的 hello world

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant(1)
b = tf.constant(1)
c = tf.add(a, b)  

print(c)

總結

至此，我們的 tensorflow-gpu 就裝好了，接下來就開始 tensorflow 的學習之旅吧。

Windows10下 NVIDIA GeForce MX150 tensorflow-gpu 配置