本人最近在研究機器學習方面的知識，要運用unet來實現(xiàn)醫(yī)學圖像分割，本文是為了實現(xiàn)unet代碼而做的前期準備工作，綜合網(wǎng)上的經(jīng)驗與自身的實踐最終選擇了keras+tensorflow-gpu來跑unet代碼，下面是我安裝tensoflow-gpu的整個過程，記錄下來方便以后查閱。

目錄

1. 安裝anaconda

2. 創(chuàng)建虛擬環(huán)境并安裝python3.6

3. 安裝tensorflow-gpu

3.1 安裝前奏——CUDA和cuDNN

3.1.1下載CUDA

3.1.2 cuDNN下載

3.1.3 CUDA安裝

3.1.4 cuDNN配置

3.2 tenforflow-gpu下載

3.3 測試代碼

---

1. 安裝anaconda

這個很簡單，已安裝的直接跳過。未安裝可參考https://baijiahao.baidu.com/s?id=1616120886763657106&wfr=spider&for=pc

2. 創(chuàng)建虛擬環(huán)境并安裝python3.6

安裝好anaconda后，點擊開始——Anaconda Prompt。

輸入代碼，創(chuàng)建一個名字為tensorflow，python版本為3.6的虛擬環(huán)境。

            
              conda create -n tensorflow python=3.6
            
          

?

?

輸入y，成功后激活虛擬環(huán)境

輸入代碼，進入虛擬環(huán)境

            
              activate tensorflow
            
          

此時環(huán)境由base變?yōu)閠ensorflow，tensorflow環(huán)境里只有剛剛創(chuàng)建環(huán)境時安裝的python3.6

3. 安裝tensorflow-gpu

3.1 安裝前奏——CUDA和cuDNN

用GPU計算肯定離不開顯卡，顯卡的好壞決定了你的運算速度。首先查看你的顯卡，gpu算力需要5.0以上的顯卡才能進行GPU的計算https://blog.csdn.net/huixingshao/article/details/82215703? 然后就是安裝CUDA和cuDNN。

去官網(wǎng)下載對應的CUDA版本，最新版本為CUDA10.1（安裝最新版你很可能會失敗）, 個人推薦CUDA9.0+cuDNN7.0的組合 ，畢竟我是成功過的人！！

3.1.1下載CUDA

下面是各個版本的CUDA下載地址https://developer.nvidia.com/cuda-toolkit-archive

按照上圖選項下載CUDA9.0，文件1.4G，等待下載完成。

3.1.2 cuDNN下載

各版本cuDNN下載地址https://developer.nvidia.com/rdp/cudnn-archive

找到cuDNN v7.0.5?for CUDA9.0，然后選擇Library for Windows 10，文件173M等待下載完成。

3.1.3 CUDA安裝

以防萬一，先把殺毒軟件退出，再雙擊運行剛剛下載好的CUDA9.0 exe文件

推薦默認選項，不要更換路徑，強烈建議！點擊ok

等待進度條完成，點擊同意并繼續(xù)

點擊自定義，下一步。

?

?

點擊 I understand --->NEXT。然后等待安裝完成。

?

如果你到達了這一步，恭喜你，你快成功了！（期間有閃屏是成功的體現(xiàn)！）

如果沒有到達上一步，卡住了，可以將所有NVIDIA的程序卸載后，殺毒軟件清理垃圾再重啟重新安裝。

3.1.4 cuDNN配置

將下載好的cuDNN壓縮包解壓，

然后把里面 所有的文件包括文件夾 復制粘貼到CUDA9.0的安裝目錄下，

默認安裝路徑C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

檢查環(huán)境變量，右鍵我的電腦-->屬性-->高級系統(tǒng)設置-->環(huán)境變量。

出現(xiàn)上面兩個環(huán)境變量名即安裝成功。

3.2 tenforflow-gpu下載

安裝tensorflow-gpu1.6版本，調(diào)用鏡像加速，下載速度快一些。確保在tensorflow環(huán)境下輸入以下代碼

            
              pip install  tensorflow-gpu==1.6 -i  https://pypi.douban.com/simple
            
          

網(wǎng)上有太多的版本了，看的眼花繚亂，這里可以參考一下tensorflow版本和cuda對應表

圖片來源https://blog.csdn.net/lifuxian1994/article/details/81103530

?

可以用pip list查看目前安裝的包，可以看到tensorflow-gpu 1.6已成功安裝。

接下來就可以用tensorflow gpu加速啦！在命令行輸入pip install keras安裝keras

3.3 測試代碼

?

在命令行進入python，分別輸入import tensorflow和import keras，不報錯即安裝成功

接下來測試tensorflow-gpu，在python文本編輯中輸入以下代碼

            
              import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
 
if __name__ == "__main__":
    print(device_lib.list_local_devices())
            
          

?

會得到以下輸出。

出現(xiàn)GPU的信息即說明tensorflow-gpu可用。

也可以打開anaconda，將base環(huán)境切換成tensorflow。

切換后安裝Spyder（因人而異，選擇編輯工具），再輸入上面的代碼來進行測試。

總結(jié)：失敗多次的原因還是因為CUDA和cuDNN的版本不導致而造成的，版本一定要對應！！還有tensorflow的版本也要對應，不要一味的裝最新版。

1. 如果找不到tensorflow，請在命令行輸入pip list，查看是否安裝tensorflow-gpu版本，如果不是，就運行pip uninstall tensorflow....把所有帶tensor的都卸載掉，重新安裝pip install ?tensorflow-gpu==1.6 -i ?https://pypi.douban.com/simple

2. 測試代碼時，如果找不到skimage，則在命令行輸入pip install scikit-image

3. 如果只顯示cpu信息，則通過pip list查看tensorflow版本。

4. 如果還是有錯誤，請逐一確認python版本為3.6以下版本，CUDA9.0+cuDNN7.0+tensorflow-gpu 1.6。

?

?

?