Win10+Pycharm+CUDA10.0+cuDNN+tensorflow-gpu 1.14（深度学习电脑GPU配置，超级简单一次成功）_pycharm cuda10.0

Pycharm下载和安装

Pycharm的下载安装。我简略的说明一下，这是用跑Python的代码的前提，简单来说就是，首先下载python3.5 （我使用的是3.5），然后下载Pycharm最新版的即可。记住千万不要随意的设置环境变量。然后再pycharm中将python的地址设置进去即可

CUDA10.0 下载和安装

关于CUDA版本的下载，现在已经更新到10.1多的版本，这里有一个图对应去查找，我的2080ti驱动版本432，由于我看到网上说10.1会安装出问题，所以我选择了10.0的版本，下载链接https://developer.nvidia.com/cuda-toolkit，CUDA的安装一直往下进行即可！不用考虑太多

cuDNN10.0 下载

关于cuDNN的下载，连接如下https://developer.nvidia.com/rdp/cudnn-download，主要是下载完之后。
步骤一：需要将cuDNN解压到的所有文件复制到CUDA的安装路径下，比如我的路径就是安装路径是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 下面即可。
步骤二：（这个步骤不确定需不需要）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 \extras\CUPTI\libx64中的cupti64_100.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 \bin 文件夹下面。

tensorflow-gpu 1.14 下载和安装

使用pycharm的目的就是方便易实现，直接使用pip install tensorflow-gpu == 1.14 下载即可使用。另外我还跑了几个测试代码

// An highlighted block
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import sys
import tensorflow as tf
from datetime import datetime

device_name = sys.argv[1]  # Choose device from cmd line. Options: gpu or cpu
shape = (int(sys.argv[2]), int(sys.argv[2]))
if device_name == "gpu":
  device_name = "/gpu:0"
else:
  device_name = "/cpu:0"

with tf.device(device_name):
  random_matrix = tf.random_uniform(shape=shape, minval=0, maxval=1)
  dot_operation = tf.matmul(random_matrix, tf.transpose(random_matrix))
  sum_operation = tf.reduce_sum(dot_operation)

startTime = datetime.now()
with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as session:
      result = session.run(sum_operation)
      print(result)

print("\n" * 5)
print("Shape:", shape, "Device:", device_name)
print("Time taken:", datetime.now() - startTime)
print("\n" * 5)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

在运行的时候直接pycharm中运行会出错，只有使用terminal中 如 python test1.py 1500，当然设置为1500会太小突出不了GPU优势，一般使用10000以上，会看的比较明显。参考连接 https://blog.csdn.net/beyond9305/article/details/90450246，另外我后面把下载的也上传上来 大家会方便一点。