tensorflow-GPU的配置詳解（細數配置過程中遇見的坑與解決方式）
阿新 • • 發佈：2019-02-01
細數自己搭建TensorFlow-gpu環境中遇到的坑及解決方式：
1、安裝anaconda,一路下來點選next，然後預設配置（這裡不再細講）2、安裝裝TensorFlow-gpu -->pip install tensorflow-gpu(也可以選擇自己想要的版本安裝)，注意：現目前TensorFlow-gpu適應python最佳版本為python3.5
3、官網下載cuda，本人下載的是cuda9.0 測試過V9.1與V8.5，9.0版本是穩定的版本
4、下載對應cuda版本的cudnn，官網會有相關提示（本人下載為v7.0.5）
5、雙擊cuda.exe檔案安裝，過程中會出現閃屏等狀況，都是正常情況，按照預設選擇，點next。劃重點！下面的步驟很重要！！！
5.1、解壓cudnn壓縮包，將壓縮後的lib/x64，include， bin 下面的檔案複製到cuda/v9.0對應的資料夾下
5.2、將lib，lib/x64, include，bin,配置到系統路徑中（怎麼配環境變數這裡也不再累贅）
5.3、 在命令提示符視窗中輸入：nvcc -V 或者命令列中執行在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\bin\win32\Release中deviceQuery程式，若能檢測到cuda device則證明程式已經正確安裝
6、測試TensorFlow-gpu是否能正常執行
測試程式碼
import tensorflow as tf
hello = tf.constant('hello world')
sess = tf.Session()
sess.run(hello)
6.1、這裡有可能出現第一個坑(如果你執行記憶體足夠的大或許可以繞過)，一個記憶體溢位的錯誤‘ failed to allocate 10.91G (11715084288 bytes) from device: CUDA_ERROR_OUT_OF_MEMORY’
解決方式：作如下更改：
config = tf.ConfigProto()
#config.gpu_options.per_process_gpu_memory_fraction = 0.90
config.gpu_options.allow_growth = True # 允許自增長
config.log_device_placement=True # 允許列印gpu使用日誌
session = tf.Session(config=config)
6.2、這裡講的第二個錯誤，源自於cudnn版本不對，對應cuda_V9.0有cudnn_V7.1.4(7.1.n)也有V7.0.n 安裝報錯提示下載對應的版本，我的cuda為V9.0對應的cudnn為V7.0.5