windows10 搭建tensorflow_gpu环境

windows10搭建tensorflow环境相对于ubuntu来说简单一点，主要可以分为3步

1. 下载vs2017（版本可以根据最新的版本进行选择）
2. 下载cuda（一般安装cuda是整个搭建环境中最麻烦的一步）（注意设置环境变量）
3. 下载cudnn（注意设置环境变量）

一：下载vs2017，直接百度一下，下载最新的vs就可以，但在安装时注意选中C++，如下图：
vs文件比较大，所以不必放在c盘，放在其他盘里也可以，缺点是读取速度较慢。

二：下载cuda，网址为https://developer.nvidia.com/cuda-downloads
提取文件可以放在任意一个盘里（安装完成后会自动删除）（但是要注意此时你的文件放在哪里，之后会用到），注意，在cuda安装时可能会出现以下情况（没有就直接跳过）
这个可能有两种原因：
a.安装的cuda版本比较老，自带的driver版本太旧
b.Visual Studio(VS) Intergration无法安装
如果是第一个问题，不用理他，直接安装就可以，如果是第二个问题就比较麻烦了，下面是解决办法

安装失败后的提示为下图：
cuda安装的一个特点是如果有一个文件安装失败那么其他的也会自动跳过，如上图所示，造成安装失败的原因为Visual Studio Intergration安装失败，所以我们要在安装时取消它的勾选（等cuda安装完成后再去搞它）如下图
选中自定义然后在下面的界面中取消勾选：
注意，在点击下一步之前，找到当时提取文件的文件夹，将里面的dir\CUDAVisualStudioIntegration（dir为你提取的路径）复制到其他文件夹中（这一步的目的是防止cuda安装完成后自动删除）
等cuda完成安装后，记下此时的几个路径（之后会用到），然后点击确认，利用vs2017打开CUDA Sample文件夹，路径一般为C:\ProgramData\NVIDIA Corporation\CUDA Samples， 找不到的话可以直接搜索CUDA Sample，里面的文件为v9.0的，随便编译一个文件，找到报错路径，例如路径为C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140**BuildCustomizations\CUDA 8.0.props，找到这个路径然后将之前从CUDA文件夹中复制的dir\CUDAVisualStudioIntegration\extras\visual_studio_integration\MSBuildExtensions的文件拷贝到出错文件夹内，如C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140**BuildCustomizations\，此时CUDA可以已经可以使用

还可以将“dir\CUDAVisualStudioIntegration\extras\visual_studio_integration”下的CudaProjectVsWizards文件夹整体拷贝到“D:\ProgramFiles\Microsoft Visual Studio 14.0\Common7\IDE\Extensions”下即可，其中加粗部分为VS安装路径。（对于深度学习搭建环境来说，此步可有可无）

此时CUDA已经安装完成，可以编译一下文件看是否安装成功：
打开命令提示符，输入nvcc -V（可能会找不到，此时可以搜索一下这个exe文件在哪，然后利用cd定位到文件夹执行）
利用VS2015编译测试文件
打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0，找到对应VS版本的sample，本例中为Samples_vs2015.sln，双击打开

路径问题

• 在用户变量，Path中添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0\bin

• 确认系统变量中：CUDA_PATH和CUDA_PATH_V9.0已经存在

三：cudnn下载https://developer.nvidia.com/
找到对应的版本，下载完成后直接解压到任意文件夹，然后将文件夹所在路径添加到环境变量中：
至此，gpu的运行环境搭建完毕。

下面提一下安装tensorflow-gpu的步骤，可以先安装anaconda，在anaconda中添加清华镜像（下载速度更快），在命令行中利用命令conda install tensorflow-gpu==1.8.0（此处1.8为版本号，这个要根据你安装的cuda以及cudnn的版本进行选择，注意tensorflow-gpu版对于CUDA以及Cudnn的版本特别敏感，版本不对会影响到tensorflow运行）

https://blog.csdn.net/zzpong/article/details/80282814
https://blog.csdn.net/ygjustgo/article/details/78883981