Win10+1050Ti配置tensorflow-gpu教程（解决1050ti配置cuda失败的问题）

Win10+1050Ti配置Tensorflow教程

笔者使用的是联想Y7000笔记本，显卡是1050Ti，在安装TensorFlow时，发现自己的显卡型号并不在NVDIA官网上支持型号的名单中，于是网上看了很多教程，很多都有问题（或者不适用于我这台电脑），踩了许多坑，总结很多之后最终配置成功，在这留下详细步骤。

NVDIA官网支持的显卡型号

在这里插入图片描述
可以看到并没有1050Ti的支持，然而其实是支持的（我也想要TITANV的显卡，然而实验室太穷连1060都没有2333333）。另外一个轻薄本的MX150也是支持的，安装同本教程。
Python：这里使用的Python3.6，Anaconda包括了Python和一些相对应的库，非常方便使用，所以这里使用的是相对应的版本为Anaconda3 5.1 WIN10 X64的。
CUDA：这里使用的为 cuda_9.0.176_win10 。
CuDNN：要与CUDA版本相符合这里使用的是 cudnn-9.0-windows10-x64-v7.3.1.20。
VS2015：安装2015版本的更新和C++组件就行。
下载地址合集（百度云）：链接：https://pan.baidu.com/s/120u83dy-eNrfxJM0qxTSfw
提取码：myzb。

Anaconda安装

在这里插入图片描述

这里需要勾上第一个按钮（无视红色的提醒），会自动添加Anaconda到系统变量。
接下来一直下一步直到安装完成就OK啦。

CUDA9.0安装

运行cuda_9.0.176_win10，1050Ti和MX150一开始可能会提示
在这里插入图片描述
这里是提示可能会不兼容，无视掉，然后下一步，同意协议之后选自定义：

有些组件其实是可以不用安装的，但是建议新手全部安装（怕出问题2333）。
直到最后安装完成，安装路径建议使用默认。

CuDNN安装

将压缩文件打开并解压缩到CUDA的安装目录中，将原来的三个文件夹直接覆盖即可
在这里插入图片描述

安装VS2015

看到有些地方不安装VS2015也行，但是笔者之前使用的VS2010配置Tensorflow的时候老是出问题，索性就使用VS2015了。
直接打开vs_community2015，选择需要安装的C++组件，然后耐性等待在线安装。

安装Tensorflows的gpu版本

打开Anaconda Prompt，进入Anaconda命令行管理界面。配置清华镜像，输入指令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes

创建运行环境，输入指令：

conda create -n tensorflow-gpu python=3.6

新建一个名字叫“tensorflow-gpu”，python版本为3.6的运行环境，此环境与Anaconda中其它环境隔离。红框中的软件包也会随之安装，输入“y“和回车后开始安装。
然后会出现一些软件安装包的提示（问你是否确认安装）：输入 y 按回车

激活并进入环境，使后续指令在激活的环境中生效，输入指令：

activate tensorflow-gpu

升级pip到最新版，防止稍后的安装时，出现错误（笔者初次在安装tensorflow时，没有更新pip到最新版，导致下载到一半出现错误），输入指令：

python -m pip install --upgrade pip

安装tensorflow1.7.0及相应依赖包，输入指令：

pip install --ignore-installed --upgrade tensorflow-gpu==1.7.0
"""若发现下载时间过长而导致安装失败，可使用指令：pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==1.7.0 参考： https://blog.csdn.net/jorg_zhao/article/details/80075293
"""

至此，tensorflow的安装完成。

测试

在命令行中，进入python，并输入以下代码：

import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
# 输出：b’ Hello, TensorFlow!

验证的时候需要等待片刻耐心等待即可。

原文：https://blog.csdn.net/haishiluoshen/article/details/83413568