配置GPU（安装tensorflow-gpu，有关于所有版本的踩坑指南）

很早就想写这个博客了，因为初次接触深度学习，欠缺的知识点很多，也希望自己在以后的学习道路上能发出更多优质的博客，本篇博客是我在安装tensorflow-gpu中遇到了很多有关于版本的问题，这里简单做一个总结，望大家看到有所帮助。

一、一些概念：

1.何为CPU，何为GPU?

参考出处：https://blog.****.net/u014380165/article/details/77340765

如图所示：
（1）CPU是串行的，CPU通过cache减少访问内存的次数，且CPU是串行计算的；
（2）对于GPU来说，它有一个很小的cache，或者是没有cache，它可以实现较为复杂的并行计算。

2.CUDA，cuDNN的区别与联系：

（1）CUDA是英伟达公司推出的GPU并行计算框架，并且此框架只能基于英伟达的设备进行部署，当显卡需要进行大量计算的时候，这个时候cuda就会发挥出很大的作用。
（2）cuDNN是一个专门用于神经网络计算的一个sdk，是一个加速包。
（如果把CUDA比作是一个工作台的话，那么cuDNN就是一个工作台上的工具）

二、cuda，cudnn的安装：

1.cuda的安装：

cuda安装包网址：https://developer.nvidia.com/cuda-toolkit-archive

这个时候，我们会看到好多种cuda版本，这个时候我们如何做选择呢？（敲黑板！！！）

1.查看我们的驱动版本！

（1）打开英伟达控制面板，如果右键没有，就控制面板->硬件和声音->英伟达控制面板
（2）查看版本信息：

（3）点击帮助->系统信息：

这个时候肯定有很多小伙伴直接去查看组件里面的cuda版本，然后对应前面的cuda版本去下载，这种方法我亲测踩坑。。。。所以还是基于英伟达官方发布的英伟达驱动版本对应的cuda版本进行安装，以下是英伟达驱动版本对应的cuda版本：

（4）选择完对应的版本后，一步步即可完成安装，这里不再啰嗦啦，只是有一个地方需要注意下：
a.如果你是第一次安装cuda的话，这些都选上

b.如果你是第n次安装的话，后面三个就别选了

2.配置环境变量：

安装完毕之后，我们把环境变量配置好（一般这个环境变量是自动配置好的）

我们进行测试一下：
cmd->nvcc-V:

有关于cuda配置完毕

2.有关于cuDNN的安装：

（1）下载：cuDNN是一个文件，并不需要安装，有关于cuDNN的下载呢，需要进行注册，并且填写一个问卷就可以了，以下是相关下载地址：

下载地址：https://developer.nvidia.com/rdp/cudnn-archive

（2）有关于cuDNN版本的选择，看到又是一大堆版本号，我们如何做抉择呢？
a.我们看一下我们刚刚安装的CUDA版本，然后我们对应CUDA版本进行cuDNN版本的选择
b.但是，我们会发现，一个CUDA会对应很多个cuDNN版本的选择，上一下CUDA下载页就可以发现，每个CUDA版本对应发行日期，让cuDNN的版本日期和CUDA的版本对应在同一年份就可。
（3）下载完毕后，我们得到这样一个东西：

解压之后，得到如下的文件：

这个时候，我们需要，进行如下操作：

（4）添加一下环境变量：

呃呃 如果大家突然发现C盘里面的ProgramData没了。。。。。不慌！

（5）让我们测试一下是否安装成功！
a.
b.

三、tensorflow-gpu的安装

有关于tensorflow-gpu环境的安装，就比较容易一些了，我们只需要找好对应的版本信息即可，既可以使用pip安装，也可以使用conda虚拟环境中进行安装。以下是对应的版本信息图：

但是呢？当我们直接pip或者conda安装好tensorflow-gpu的时候，直接import
tensorflow是正常的，但是我们在没有跑一个案例的时候，如何判断我们的tensorflow在训练过程中是使用的cpu还是gpu呢？
后续我会更新一个小demo，讲解了如何判断你的tensorflow到底调用的什么。