引言
越来越多的的人入坑机器学习，深度学习，tensorflow 作为目前十分流行又强大的一个框架，自然会有越来越多的新人（我也刚入门）准备使用，一般装的都是 CPU 版的 tensorflow，然而使用 GPU 跑 tensorflow，速度可以快上好几倍。正好前段时间看到了使用小米pro（我目前使用的笔记本，感觉贼好用（我没有在推销））配置 gpu 的教程，就试了试，最后成功了。
环境
操作系统：Windows10
配置：Tensorflow 1.12 + CUDA 9.0 +cuDNN v7.1 for CUDA9.0
GPU：NVIDIA GeForce MX150（小米pro i7-8550 8G 256G）
软件：Anaconda（我之前写过安装教程）
注：发现 tensorflow 1.13 发布了，但其配置要求与1.12版本有所差别，若按照本博客配置1.13版本运行会报错（可能与cuda版本相关，据说1.13版本支持cuda10了，可以试试cuda10）。 2019/3/2
实际操作
一、安装CUDA、cuDNN
需要考虑版本配套问题，不然即使装了最后也会报错。这里给出 CUDA 和 cuDNN 的网盘连接，提取码：e1ak
关于版本适配问题也可以看我的这篇文章
CUDA
再给一波关于显卡是否对 CUDA 支持的查看网址，如果不确定自己的显卡是否支持 CUDA，可以去看看。
关于 CUDA 的安装，看这篇文章，写的很详细（好吧，还是我比较懒，不太想敲键盘）
cuDNN
官网下载地址
注意：下载的时候要下对应自己下载的CUDA的版本
把下载好的 cuDNN 的 zip 解压后，把 bin、include、lib 三个文件夹内的文件拷贝到 CUDA 9.0 的目录下的对应文件中即可。
CUDA 的默认路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.\
然后开始配置环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.
二、创建虚拟环境
这里还是比较建议新创建一个虚拟环境，免得安装好的 tensorflow-gpu 跟原环境中的某些包冲突。
1.打开Anaconda Prompt
2.创建虚拟环境
键入
conda create --name tensorflow-gpu python=3.6.
3.启动虚拟环境
activate tensorflow-gpu
三、安装tensorflow-gpu
1.安装
两种方法
- pip install --upgrade tensorflow-gpu
- 下载 tensorflow-gpu 的离线安装包，找到下载好的whl路径，然后键入
pip install c:\...\tensorflow_gpu-xxxx.whl
2.测试
输入
python
然后再输入
import tensorflow as tf
如果没报错，就表示安装成功了。
然后，再来段 tensorflow 的 hello world
import tensorflow as tf
tf.enable_eager_execution() a = tf.constant(1)
b = tf.constant(1)
c = tf.add(a, b) print(c)
总结
至此，我们的 tensorflow-gpu 就装好了，接下来就开始 tensorflow 的学习之旅吧。