GPU版TensorFlow比CPU版训练模型快，安装后自动调用GPU，GPU比较一般可以提高二三十倍速度，比较好可能提升几十倍上百倍。
0 查看是否有英伟达的GPU
鲁大师查看显卡信息：
并确保装有VS
1 安装CUDA
1、下载英伟达的cuda
http://developer.nvidia.com/cuda-downloads
有坑！应当到https://developer.nvidia.com/cuda-toolkit-archive下载9.0（随时间变化可能可以下载高版本）。坑见最后。
选择并下载
2、安装
同其他程序安装：
然后出现：
（选择了自定义全部安装）
位置使用了默认的
由于电脑安装的是VS2015，故其他都是not installed：
3、添加环境变量
右键“此电脑” -> 高级系统设置 -> 高级 -> 环境变量 -> 选中系统变量中path编辑 -> 新建 确保两个目录在其中 -> 确定
4、验证是否正确安装
输入
nvcc -V：
2 安装cuDNN——用于深度学习加速
1、下载：
https://developer.nvidia.com/rdp/cudnn-download
需要注册才能下载：
验证完邮箱后，下载对应cuda版本的最新的cuDNN：
2、拷贝压缩包中文件
解压压缩包，并把文件拷到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1对应文件夹下：
3、拷贝其他文件
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\extras\CUPTI\libx64中的cupti64_91.dll拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin中
3 卸载CPU版TensorFlow，安装GPU版
0、管理员方式打开命令提示符
1、卸载CPU版TensorFlow
输入pip uninstall tensorflow：
2、安装GPU版TensorFlow
输入
pip install tensorflow-gpu：
尝试
conda install pip：
再次输入
pip install tensorflow-gpu：
3、测试：坑！
出坑1
所以现在应当装cuda9.0和对应的cuDNN...？
不甘心，尝试如下（参考http://blog.csdn.net/qq_36556893/article/details/79433298）
1、
conda create -n tensorflow python=3.6
2、激活TensorFlow
activate tensorflow3、下载并安装
https://pan.baidu.com/s/1dGSmo29 密码：fwet 放到
C:\Windows\System32pip install tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl
4、测试
但是jupyter还是：
出坑2
干脆还是卸载重安，心力交瘁，记录一下路径什么的
1、cuda
https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal下载
路径
2、cuDNN
https://developer.nvidia.com/rdp/cudnn-download下载
3、配好环境变量什么的，最后jupyter里可以了...坑
其实重新安一次挺快的...
卸载
装好后发现跑个最简单的加加减减的程序可以，跑个简单的线性回归可以，但跑个简单的CNN什么的就不行了...看来笔记本的独显是不够的...用力过猛还有烧坏的风险，于是决定装回去吧...
对了，
pip list可以看安装的是CPU还是GPU版
pip uninstall tensorflow-gpu
pip install tensorflow
pip list
网友评论