2020最新安裝教程（pycharm）：TensorFlow2.1、Keras、CUDA、CUDNN（超詳細！！又簡單！！！文字少圖片多的傻瓜教程）

前言：

本文教程是博主結合網上的舊文章以及自己的安裝經歷所寫，安裝這三個東西沒有任何條件限制，即便你已經安裝了Anaconda。我自己的電腦上是早先安裝了python解釋器，後來又安裝了anaconda（此時是有兩個解釋器），最近又安裝的TensorFlow2.1.0，這些只要你自己區分好安裝位置，一般都是不會有什麼衝突的。

---

1. 下載CUDA、CUDNN：

• 打開NVIDIA控制面板 --> 幫助 --> 系統信息 --> 組件
  如下圖所示，劃紅線的地方代表你可以安裝的CUDA的最高版本（是可以安裝的最高版本！！不是隻能安裝這一個版本）
  

• 最高版本取決於你NVIDIA顯卡的驅動版本，如果你顯示只能支持到CUDA8或9，那建議你先更新一下顯卡驅動（就是更新個驅動而已。。死不了，不要當冥頑不化的老古董）更新驅動可以通過GeForce Experience。

  可以在cmd下輸入命令：nvidia-smi，查看你的驅動版本，同時也能看到支持的CUDA

  一定要再三確認自己安裝了足夠版本的驅動！！！可以參照下圖

• 當你更新完驅動以後，就可以下載了：https://developer.nvidia.com/cuda-toolkit-archive
  進入上面的鏈接後，你會看到很多版本，從這三個裏面選一個就好，我選的是10.1 update2
  不選最新的10.2是因爲，cudnn似乎還沒支持到10.2，但是網上也有安裝的，具體不得而知，反正沒必要。

選擇版本進入，選擇好Windows，86，10，如下圖。然後這裏提供兩個版本
一種是network版本，一種是local

區別在於：network僅有十幾個MB，他會在你安裝的過程中隨着下載需要的組件。而local比較大，兩個多G，直接把所有的組件都下載下來。

我建議是直接全家桶，因爲我試過network，進度條一直不動。然後從瀏覽器下載會很慢，直接在下載那個地方鼠標右鍵複製鏈接到迅雷裏去下載，網速拉滿很快。

到這裏CUDA的下載就告一段落，接下來搞CUDNN：

官網下載鏈接：https://developer.nvidia.com/rdp/cudnn-archive

如下圖，選擇支持10.1的版本即可，但是這裏有個問題，官網是需要你先註冊才能下載的，而註冊比較操蛋需要Gmail郵箱才能收到驗證碼，國內郵箱一概不行（我是掛梯子搞的。。）

所以大家可以選擇來我網盤下載，雖然Baidu也是那尿性，但好在這個文件並不大，就耐心等一等吧
網盤鏈接：
鏈接：https://pan.baidu.com/s/1l8tLG9qAyeXAhGaSnNSLFA 提取碼：8iu7

---

2.安裝CUDA及CUDNN：

雙擊CUDA的下載鏈接，打開以後會有個地址，這只是個暫時的解壓地址，你可以自己選擇，然後點OK
就開始解壓了，完成後按照我下面的圖片一步步進行即可






安裝位置可以自選，但是一定要記住！！！接下來要用到。安裝完成後直接關閉，不用啓動。
網上很多教程在這之後還專門弄了一步添加環境變量，實際上主要的都已經自動添加好了，再添加也是更加詳細，很麻煩還沒什麼必要。

——————————————————————————————————————————

安裝完成後再來處理CUDNN，把文件夾解壓，打開後會有如下三個文件

再到你剛纔安裝CUDA的目錄下，打開你會發現這裏面有三個一樣名字的文件夾，也就是bin，include，lib

把CUDNN三個文件夾裏面的文件，複製到CUDA中對應名字的文件夾中，注意別給覆蓋了！！是添加進去！！

——————————————————————————————————————————————————

然後我們來檢查一下：

1. cmd中：nvcc -V，查看版本信息
   

2. 還是進入到剛纔CUDA的安裝目錄下，進入extras \ demo_suite，按住shift點擊鼠標右鍵，打開powershell
   

   命令：.\bandwidthTest，出現下圖的PASS
   
   命令：.\deviceQuery.exe，也是出現PASS就ok
   

至此CUDA和CUDNN就安裝完成了！！！

——————————————————————————————————————————————————

3. pycharm安裝TensorFlow2.1和Keras

網上很多人都力挺用pip命令行安裝，但是我個人不喜歡用pip。畢竟pycharm本來就爲我們提供了更簡單穩定的安裝方式。
打開設置，到自己的解釋器，點擊加號，我這裏就直接在Anaconda下安裝了

搜索TensorFlow，Keras會出現如下多個版本，其中有一個TensorFlow-gpu，以及Keras-gpu，安裝這兩個！！！千萬別搞錯了。Keras是以TensorFlow爲後臺的，所以就算只想使用Keras也要安裝TF哦。
右下角版本就是最新的2.1.0，可以看到我這還有三個包也安裝了，這是隨着自動安裝的，不需要手動。
等待安裝完成

至此所有安裝就全部完成了！！！是不是很簡單

TensorFlow-gpu會自動選擇使用你的顯卡計算

————————————————————————————————————————————————

最後，來測試一下：

測試tf：

import tensorflow as tf
import timeit


with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)


cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)

print('GPU:', tf.test.is_gpu_available())

運行結果：
運行結果如下，就代表成功了！

測試keras：

import keras

這樣就是成功了，顯示後臺是TensorFlow