TensorFlow-GPU的基本配置

1.引言

一直想学习机器学习，更是想用于实践，那么自然绕不过一些主流的框架，其实那些框架本身是不难安装的，但是一旦涉及到GPU（用于加速），就开始变得麻烦重重，说麻烦也不麻烦，但是真的在第一次安装框架的时候，每一个人都是新人，各种坑。网上全面详细适合新手的教程很少很少，所以在自己安装好的情况下，写一篇详细齐的，希望以后能指导自己回想起处理问题的方式。

目前，虽然tensorflow已经推出了2.0版本，本次的安装教程，将基于TensorFlow1.13版进行试验，关于2.0版，可以后期更新。

还有一个原因就是现有显卡的驱动程序锁支持的CUDA是9.0的，TensorFlow2.0需要支持CUDA10.0。

1.1 本次实验环境的基本介绍

通过一周的努力，将老婆沉睡了三年的Dell XPS Z14救活了，并且升级了固态硬盘。其实还是眼馋它的GeForce GT 520M显卡。

比较幸运，这个本子的显卡刚好支持GPU版的TensorFlow：

1.2 事前准备

在安裝前有几个步骤要先确认

1.先从官网看一下，Software requirements，看一下使用GPU需要什么软件。

从上面就可以看出，主要需要的软件是CUDA跟cuDNN

关于如何如何确定自己显卡CUDA的版本号，请参见文章“如何确定自己的显卡所支持CUDA版本号”

关于cuDNN的定义，请参见这篇文章

2.熟悉显卡信息

首先是准备工作，看自己的显卡需要什么驱动程序，登录NVIDIA的网站，检测本机的显卡驱动程序。

3.安装CUDA

安装CUDA，进入https://developer.nvidia.com/cuda-downloads，默认的安装版本是10.X。

要安装9.X的版本，需要进入以下界面

进入界面后，选择适当的版本，例如，这里选择的是9.1版，进入后有一个基本版（Base）和几个补丁包（Patch）,先安装Base，然后再安装补丁包，安装说明（下图中红色虚线部分已说明）。

2.关于是否使用Anaconda的问题

虽然anaconda有各种优势，但是这里暂不选择采用anaconda，就基于简单的python环境下进行处理。

3.安装CUDA