查看安装包
pip list

本帖提供操作过程，具体操作网上有好多了，不赘述。红色字体为后来复现出现的问题以及批注

题外话：

（1）python 的环境尽量保持干净，尽量单一，否则容易把自己搞晕，不知道自己后来项目开发的依赖包到底安装在哪里了。

（2）无论是安装python2 还是python3，还是anaconda，一定要清楚自己的环境，不要一连装了好几个版本，会崩的。

（3）查看环境变量，python的环境变量是否都被配置，如何配置，在安装python时就已经涉及到了，最后采用anaconda虚拟环境安装时不需要配置。

如果实在是需要，我的建议是在anaconda里可以重建多个虚拟环境 ，重建环境，最后一个步骤会介绍。

我测试过三遍，我这个版本是可以走通的。后来利用GTX 1060  6G的环境安装，也是没问题的。

环境：

OS：win10

cuda：9.0

cudnn：cudnn-9.0-windows10-x64-v7.4.1.5

GPU: 1050 ti

后来分别用 GTX 1060 6g   以及 GTX 950  选择这个版本都能运行

资源包：https://pan.baidu.com/s/1rI_6zBlSIbs5fMWhydqqvA

提取码：2pzm

步骤，最好按照顺序来：

一、查看自己的显卡和驱动类型，下载对应的版本

盗来的这张图：

粗略的看下版本对应关系：

tensorflow-windows-wheel: Tensorflow prebuilt binary for Windows  部分图如下，VS版本可能不需要对应，我这里仍然用的是vs2105

桌面右键找到nVidia图形显卡按钮，这里提一下，我的是：

后来我用这个配置也是能运行的，截个图

附录，看清楚了：

二、安装CUDA

如果系统原先自带驱动，我直接覆盖，并未卸载。靠谱的安装方法看这里：

注意：会报错，需要安装VS2015，而且最好是VS2015

需要先安装VS2015：

网上关于VS2015的安装层出不穷，垃圾的太多了，前前后后我装了不只五遍，摸索出最好最简便的方式时就是默认安装，默认路径，否则很容易绕晕，

建议首先选择典型值，然后继续下去，如果后来配置cuda出现问题，打开控制面板->卸载程序-> 指定vs2015 右击-> 更改  再重新自定义安装，否则东西太大了，很多都是没啥用；

总共装了这么多东西，有些也可能是真的不需要，如图：

安装cuda 9.0

如果已经安装过cuda 9.2 或者其他的版本，重新安装cuda 9.0 会出现下面界面，个人直接继续安装，选择默认路径：

一般情况下CUDA的安装会出错，坑介绍的很详细了， 最好自定义安装，VS有一个组件需要单独安装：

重点！遵循下面帖子的操作方式，cuda安装包暂时不要关闭

1. CUDA安装失败解决方法 - zzpong的小屋

以及对这个帖子的解释：

【软件安装】CUDA安装失败+win10+VS2015+CUDA8.0+CUDAVisualStudioIntegration找不到 - LeonJin的博客

接着：

如果已经安装过其他的版本，会出现下面：

接着，打开控制面板-> 卸载程序，出现图示冲突的，我就直接卸载，基本上都是后缀带版本 9.2的。这是后来的截图：

原先卸载的时候没注意，多卸载了图形显示卡，后来装上tensorflow-gpu   cuda报错，用了驱动精灵把缺失的驱动补了回来

又从此步重新再跑一遍流程，题外话。

我两次一次配置了CUDA的环境变量，一次没有配置，都可以运行，里面提到了配置环境变量：

【CUDA】CUDA9.0+VS2017+win10详细配置_Python_笔尖的博客-CSDN博客

注意，验证cuda是否安装成功， 上面帖子提到的deviceQuery.exe 和 bandwidthTest.exe返回的 result 结果必须时 pass  ！！

进入cmd后输入  nvcc -V  指令不一定正确。

三、安装cudann

安装cudann的坑不多。

将解压后的 cudann 压缩包直接放在 cuda 9.0 的安装目录下就好

放入后：

备注：有人提到需要配置 cudann 的环境变量，我没有配置，不确定是否系统自动生成，从结果上看，暂时还没出现影响。

四、安装anaconda

anaconda在安装的时候自带python环境的

安装不赘述了，不是重点了，提一下，最好勾选添加环境变量选项。

五、安装tensorflow-gpu

版本问题---keras和tensorflow的版本对应关系 - WP的烂笔头

tensorflow-gpu 也是需要安装自定义python环境，和anaconda的python版本独立，尽量不要直接在基环境中直接安装 tensorflow-gpu 版本的。

查看Ancona环境

conda info --envs

创建环境，并安装python版本：

#创建制定python版本的环境名字为tfgpu

conda create -n tfgpu python=3.6

备注：如果环境错误，可以直接重新运行命令，然后自动删掉原先的环境。

激活，进入状态：

activate tfgpu

安装tensorflow-gpu

如果 直接指定安装，网速真的是太慢了，这里采用清华的镜像安装，指定 1.8.0 版本的，根据cuda 以及cudann版本选择gpu版本，这里可以参阅一开始提到的版本介绍，输入命令需要参考资料：

pip install --default-timeout=100 --ignore-installed tensorflow-gpu==1.8.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

假如需要卸载：

pip uninstall 指定上述安装的gpu版本名字

#退出虚拟环境
deactivate

# 删除某个环境
conda remove --name your_env_name --all

参考这个操作流程  TensorFlow在Windows上的CPU版本和GPU版本的安装指南（亲测有效） - 只因有你pi

进入虚拟环境安装jupyter：
(tfgpu) C:\Users\adminstrator\ pip install jupyter

添加当前虚拟环境到jupyter kernel，打开jupyter notebook之后即可修改kernel：
python -m ipykernel install --user --name=tfgpu

即便最后完全安装成功，但是在跑模型时跑不了的话，报错：

Check failed: stream->parent()->GetConvolveAlgorithms(&algorithms)

我的解决方案是卸载tensorflow-gpu的版本，然后安装同类型其他版本，就不停的试错额。

六、配置jupyter  tensorflow-gpu 环境

cmd进入虚拟环境，也可以在anaconda prompt 进入，安装 jupyter ：

PS: 针对版本较多的情况，如果想默认打开是这个版本，需要加入环境变量，cmd后python才能默认打开的是这个版本。

七、验证安装环境

整理的帖子基本都是大同小异，看看就懂了：

测试TensorFlow（GPU）是否安装成功_人工智能_weixin_43522055的博客-CSDN博客

最好进入虚拟环境一行行代码执行，才能看到效果，我在安装jupyter后，输入这些没有看到后台执行过程。

import tensorflow as tf
hello=tf.constant("hello,world")
sess=tf.Session()
print(sess.run(hello))

类似的贴子给大家作为参考，网上操作不全的帖子真是太多了，所以自己才吐血写了一篇：

安装教程 篇一：在Window10下安装Anaconda3 和 GPU版

在Windows平台监视英伟达（Nvidia）显卡性能 - hhy_csdn的博客

tensorflow训练使用GPU和CPU的不同指定方法 - qq_35559420的博客

windows7下使用GPU训练tensorflow深度学习模型 - baidu_15113429的博客

keras使用GPU训练模型 - suiyueruge1314的博客

PS: 先想办法去查资料，而不是去卸载版本。

报错图 1：

如果是下面这个图，可能是 cudnn 没装好：

List of Available Environments - FloydHub Documentation

更新，重新采用 1080 ti 的显卡构造模型，没测试TensorFlow 2.X 的版本的：

cuda_10.1.168_425.25_win10
cudnn-10.0-windows10-x64-v7.6.5.32
vs2015

Package Version

---

absl-py 0.12.0
astor 0.8.1
cached-property 1.5.2
cachetools 4.2.1
certifi 2020.12.5
chardet 4.0.0
cycler 0.10.0
Cython 0.29.21
gast 0.2.2
gensim 4.0.1
google-auth 1.28.1
google-auth-oauthlib 0.4.4
google-pasta 0.2.0
grpcio 1.37.0
h5py 2.10.0
idna 2.10
importlib-metadata 3.10.0
Keras 2.1.6
Keras-Applications 1.0.8
Keras-Preprocessing 1.1.2
kiwisolver 1.3.1
Markdown 3.3.4
matplotlib 3.4.1
mock 4.0.3
numpy 1.20.2
oauthlib 3.1.0
opencv-python 4.5.1.48
opt-einsum 3.3.0
pandas 1.2.4
Pillow 8.2.0
pip 21.0.1
protobuf 3.15.8
pyasn1 0.4.8
pyasn1-modules 0.2.8
pyparsing 2.4.7
python-dateutil 2.8.1
pytz 2021.1
PyYAML 5.4.1
requests 2.25.1
requests-oauthlib 1.3.0
rsa 4.7.2
scipy 1.6.2
setuptools 52.0.0.post20210125
six 1.15.0
smart-open 5.0.0
tensorboard 1.13.1
tensorflow-estimator 1.13.0
tensorflow-gpu 1.13.1
termcolor 1.1.0
tqdm 4.60.0
typing-extensions 3.7.4.3
urllib3 1.26.4
Werkzeug 1.0.1
wheel 0.36.2
wincertstore 0.2
wrapt 1.12.1
zipp 3.4.1