tensorflow-gpu踩坑實錄win10+CUDA9.0+cuDNN7.4.2+tensorflow-gpu1.12

之前都是使用tensorflow的cpu版本，沒注意自己這臺老人機居然有GPU。便決定試一試看看自己電腦能不能跑起GPU。（各種百度谷歌）記錄如下：

首先：檢查自己的GPU是否可以使用：

CUDA:https://developer.nvidia.com/cuda-gpus

居然找到自己的GPU..哈哈哈（意外）

接下來：需要安裝CUDA + cuDNN。

剛開始無腦：使用CUDA10.0 +cuDNN 7 .4.2+tensorflow1.12發現報錯如下（沒截圖）：

File "C:\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper

    _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)

  File "C:\Anaconda3\envs\tensorflow\lib\imp.py", line 243, in load_module

    return load_dynamic(name, filename, file)

  File "C:\Anaconda3\envs\tensorflow\lib\imp.py", line 343, in load_dynamic

    return _load(spec)

ImportError: DLL load failed: 找不到指定的模塊。

如果遇到如下錯誤可以參考：https://stackoverflow.com/questions/42011070/on-windows-running-import-tensorflow-generates-no-module-named-pywrap-tenso

反正我是沒解決 （我猜是版本問題）....

1.首先確定你需要安裝的版本（重點）：版本貌似會出現很多我問題，建議多看看準備安裝的版本問題。

參考：https://blog.csdn.net/lifuxian1994/article/details/81103530

確定好版本：CUDA9.0+cuDNN7.4.2

2.安裝過程（看了很多，都不知道自己安裝是否成功，這篇有檢查環境確定你這一步沒有錯！！）：https://blog.csdn.net/u010618587/article/details/82940528

打開命令提示符，輸入：nvcc -V 
出現如下類似信息： 

3.安裝tensorflow-gpu（巨煩...）因爲我之前使用的是tensorflow-cpu版，已經安裝過了環境，造成很多問題...

我之前有兩個環境，直接pip install  tensorflow-gpu之後用的是pycharm 去跑測試環境發現numpy報錯？？？什麼鬼，剛開始以爲是版本問題各種重裝裝tensorflow-gpu1.5-1.9版本，然並卵（剛裝好直接用cmd去測試吧....）。而且還出現pip緩存的問題（參考：https://blog.csdn.net/kangkanglou/article/details/78955298） 。

過程中用的是Anaconda Prompt，建議安裝成功之後直接在裏面敲：

沒有報錯肯定沒問題。（生氣的我，刪除了之前的環境.....用基礎的環境pip –no-cache-dir install  tensorflow-gpu給我裝了1.12的版本。）

報錯圖如下：

3.最後

import os
from tensorflow.python.client import device_lib
import tensorflow as tf

os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"

if __name__ == "__main__":
    print(device_lib.list_local_devices())
    # 使用CPU進行計算
    with tf.device("/gpu:0"): #使用GPU 如果是cpu改爲cpu
        a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3])
        b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2])
        c = tf.matmul(a, b)
        # 查看計算時硬件的使用情況
        sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
        print(sess.run(c))

運行結果如下：

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 3087808467687446459
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 1470421401
locality {
  bus_id: 1
  links {
  }
}
incarnation: 9473933570797557043
physical_device_desc: "device: 0, name: GeForce 840M, pci bus id: 0000:04:00.0, compute capability: 5.0"
]
Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: GeForce 840M, pci bus id: 0000:04:00.0, compute capability: 5.0
MatMul: (MatMul): /job:localhost/replica:0/task:0/device:GPU:0
Const: (Const): /job:localhost/replica:0/task:0/device:GPU:0
Const_1: (Const): /job:localhost/replica:0/task:0/device:GPU:0
[[22. 28.]
 [49. 64.]]

Process finished with exit code 0
 

出現這些說明沒問題的 。終於ok....

如有建議和意見聯繫我，不勝感激。