# Window10安裝tensorflow、cuda、cudnn教學

###### tags: `python`

## 前置步驟:
#### 請先安裝好Anaconda，這裡不贅述

這裡補充，將此選項打勾，優點是可以直接在電腦的cmd使用conda等指令
缺點是可能會影響其他的軟體
不打勾優點是不影響其他軟體
缺點是只有在anaconda prompt才可以使用conda指令


---

版本進化的很快，所以安裝tensorflow前，請先到此網頁觀看你需要的版本
(不要追求最好，很多時候都是因為版本的問題就不能跑)
https://www.tensorflow.org/install/source_windows
或者是這個網頁，這個網頁好像寫的比較詳細
https://docs.floydhub.com/guides/tensorflow/#tensorflow-22
這裡有網頁可以搭配keras一起使用
https://docs.floydhub.com/guides/environments/

這裡有個資訊是cuda10.1的版本支援tensorflow2.1.0以上的版本

這裡我們使用的版本是:
- Operating System=Windows 10
- GPU=RTX2060
- python=3.7.4
- tensorflow=1.14.0
- CUDA=10.0
- cuDNN=7.4.1

你可以打開Anaconda Prompt(Anaconda3)，輸入以下指令觀看你的python版本

python --version

若要預載tensorflow，你可以輸入以下指令

pip uninstall protobuf
pip uninstall tensorflow

## 步驟一:你可先安裝CPU的tensorflow(想安裝GPU版本的這個步驟可以略過)

#### 打開Anaconda Prompt(Anaconda3)，輸入以下指令

pip install tensorflow==1.14.0

這樣就可以指定安裝1.14.0版本的tensorflow，你也可以更改成自己需要的版本號

也可以不指定直接安裝

pip install tensorflow

觀看tensorflow版本的方法，請依以下指令依次輸入

python
import tensorflow as tf
tf.__version__

從圖中可以看出我的版本是1.14.0

到這裡就可以跑訓練了，不過還沒有用到GPU加速

## 步驟二:下載NVIDIA Driver

到此網站挑選你GPU的版本，然後下載
https://www.nvidia.com/Download/index.aspx

下載完後可以到GeForce Experience，點選介面上的驅動程式，觀看你的Driver版本

可以到這個網站觀看CUDA對應NVIDIA Driver的版本
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

## 步驟三:安裝CUDA

到此網站下載CUDA
https://developer.nvidia.com/cuda-toolkit-archive

這裡下載的是CUDA10.0

選擇自訂

只勾選CUDA，其他的不要勾

路徑皆不要更改

檢查系統是否有把這cuda的這兩個資料夾放到系統環境變數中，如果沒有，請自己找到資料夾加進去

## 步驟四:安裝cuDNN

到此網站下載cuDNN
https://developer.nvidia.com/cudnn

下載前要先登入會員，然後找到你要的版本，我這裡是找
cuDNN v7.4.1 (Nov 8, 2018), for CUDA 10.0

將剛剛下載的cuDNN解壓縮後打開會看到這些東西

將cuDNN的bin、include、lib複製到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0中

如果安裝好了，你可以在打開Anaconda Prompt(Anaconda3)，輸入以下指令查看cuda版本

nvcc -V

#### 切記，'V'要大寫

## 步驟五:架設tensorflow-gpu

再來請打開Anaconda Prompt(Anaconda3)一步一步來

輸入以下指令創建環境

conda create -n your-tensorflow-gpu python=3.7

進入你剛剛創建的環境

activate your-tensorflow-gpu


安裝tensorflow-gpu，這裡選擇1.14.0

pip install tensorflow-gpu==1.14.0

測試tensorflow-gpu，請逐行輸入

python
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

如果出現以下這些東西，就代表OK啦

或者你可以打入以下指令來檢測

較舊的tensorflow

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

較新的tensorflow

import tensorflow as tf
sess = tf.compat.v1.Session(config = tf.compat.v1.ConfigProto(log_device_placement=True))

如果要離開環境，可以打

conda deactivate

## 步驟六:如果要配置spyder或jupyter(此步驟要在你生成的環境做)

### spyder
外層的spyder是Anaconda的spyder並不是你剛剛創建虛擬環境的spyder，所以如果想在這個環境下使用spyder你必須先安裝他，請輸入以下指令

conda install spyder

安裝結束後在你創建的環境下輸入"spyder"，就可以使用

spyder

在"開始功能表"也會多出你創建環境的spyder

### jupyter

跟spyder一樣，所以必須自己在環境下安裝一個

conda install jupyter

開啟指令

jupyter notebook

在"開始功能表"也有

## 額外配置(此步驟要在你生成的環境做):

opencv

conda install -c conda-forge opencv

keras

pip install keras==2.2.5

可到這裡查到keras對應tensorflow版本
https://docs.floydhub.com/guides/environments/

如果再編譯時發現沒有"matplotlib"

pip install matplotlib

編譯時發現沒有PIL

pip install pillow

# 額外配置安裝完請記得重新啟動程式