安装步骤：
- 1. 确认显卡是否支持CUDA
- 2. 安装CUDA
- 3. 安装cuDNN
- 3.1 安装 cudnn
- 3.2 将cudnn64_8.dll存放的位置加入Path环境变量
- 4. 安装TensorFlow GPU版本
- 4.1 在Anaconda建立TensorFlow GPU虚拟环境
- 4.2 安装Tensorflow-gpu
- 4.3 安装Keras
- 总结
1. 确认显卡是否支持CUDA
在安装之前，首先我们要确认现有的或预定要采购的独立显卡是否支持CUDA，具体操作如下：
- 查看支持CUDA的显卡，如下图：
具体可到网站 https://developer.nvidia.com/cuda-gpus 查询。
-
查看显卡
打开任务管理器（Ctrl+Shift+Esc）——>“性能”——>点击“GPU”，即可查看显卡名称（下图右上角）有了显卡名称就可以参考上图进行对照，查看是否支持CUDA。
2. 安装CUDA
当我们确认系统已经安装了支持CUDA的显卡之后，就可以安装CUDA了，具体步骤如下：
-
下载并安装CUDA
NVIDIA官网下载CUDA：https://developer.nvidia.com/cuda-downloads
注：Installer Type 两种安装方式的区别：
·exe(network)：下载时文件比较小，后续执行安装时再下载其余部分。
·exe(local)：下载时完整下载，后续执行安装时就不需要下载了。 -
设置解压缩安装程序的暂存目录
等待
-
同意协议并继续
-
选择精简安装
-
警告未安装 Visual Studio
CUDA 可以用 Visual Studio 开发。该界面警告未安装 Visual Studio。
由于我们后续使用Python来开发，所以不需要安装 Visual Studio。
-
下载 CUDA 界面
-
确认安装
-
安装完成
3. 安装cuDNN
然后就是安装cuDNN，具体如下：
3.1 安装 cudnn
-
下载 cuDNN
NVIDIA官网下载cuDNN：https://developer.nvidia.com/cudnn 。
-
加入会员
下载cuDNN必须先成为加速计算机开发者计划的会员。
-
进入下载页面
加入会员并且登录后，进入下载页面。
-
查看下载后的文件
下载后的文件 是一个ZIP压缩文件，在Windows10中可直接解压并打开。
将其改名为“cuda”
·然后将cuda放置一个合适的位置，如果不知道怎么放可以参考步骤5 -
复制到其他目录
这里我直接将cuda放置在了我的D盘中的一个目录下。
-
查看cudnn64_8.dll
在D:\CS\Code\Jupyter\cuda\bin中（即 …/cuda/bin目录中)可以看到cudnn64_8.dll。这是动态链接程序库，其他程序会通过此链接库来使用cuDNN的功能。
3.2 将cudnn64_8.dll存放的位置加入Path环境变量
为了让 Windows 系统知道所安装 cuDNN 的目录，必须设置Path环境变量，这样其他程序才能通过这个设置来存取 cudnn64_8.dll
-
打开系统环境变量
首先点击“设置”，然后进行以下操作：
-
编辑环境变量中的用户变量
在Path环境变量中加入“D:\CS\Code\Jupyter\cuda\bin”（即cudnn64_8.dll的安装目录)
4. 安装TensorFlow GPU版本
4.1 在Anaconda建立TensorFlow GPU虚拟环境
-
重新启动 “命令提示符” 程序，并切换到工作目录。
-
在 Anaconda 建立 TensorFlow GPU 虚拟环境
·创建命令：conda create --name tensorflow-gpu python=3.9 anaconda
按 y 键之后，就会开始安装Anaconda 虚拟环境，并且安装各个软件包。安装完成后屏幕显示界面如下：
| 命令 | 说明 |
|---|---|
| conda create | 建立虚拟环境 |
| –name tensorflow-gpu | 虚拟环境的名称是tensorflow-gpu |
| python=3.9 | Python版本是3.9 |
| anaconda | 加入此命令选项，建立虚拟环境时，也会同时安装其他Python软件包，例如 Jupyter Notebook、Numpy、SciPy、Matplotlib、Pandas，用于进行数据分析 |
- 启用TensorFlow GPU 虚拟环境
·启动 Anaconda 虚拟环境：activate tensorflow-gpu
4.2 安装Tensorflow-gpu
接下来，在TensorFlow GPU 虚拟环境中安装TensorFlow GPU版本
·安装命令：pip install tensorflow-gpu
4.3 安装Keras
然后是安装Keras
·安装命令：pip install keras
总结
在本篇我们主要介绍了如何安装CUDA、cuDNN，建立了TensorFlow GPU虚拟环境，并且在虚拟环境下安装了TensorFlow GPU版本与Keras。
补充：
如果第4步：安装TensorFlow GPU版本不太理解，可以参考TensorFlow CPU版本在Anaconda 虚拟环境中的安装。
具体可参考：【AI学习笔记】TensorFlow 与 Keras的安装（Windows Anaconda 虚拟环境版）
对于在TensorFlow GPU虚拟环境中测试GPU的强大功能，我将在后续持续更新。
