最近的机器学习大作业要用卷积神经网络做模型，github上找了代码却发现跑起来特别慢，迭代一次就要好几分钟，于是终于下定决心安装gpu版本的tensorflow，之前没装是因为网上查到的资料都在说好多坑，很难，仅供参考，目前适用于本人，把安装过程和查阅的资料都摆在这里，分享一下，也为以后需要用到时做个备份吧。大体参考的博客：https://www.cnblogs.com/apan008/p/11254688.html

环境

windows10+anaconda3.0
显卡是N卡 GeForce MX250
TensorFlow的GPU 版本需要 CUDA 和 cuDNN 的支持，你需要查看一下你的英伟达GPU是否支持CUDA，https://developer.nvidia.com/cuda-gpus，我在上边并没有找到我的显卡，不过这个轻薄本独显应该也凑合能用吧。
打开NVIDIA控制面板，点击左下角的系统信息，点击组件选项卡

步骤

第一步：安装Anaconda

我先前已经安装过Anaconda3了，一路通过，中间出现的两个选项都没有选，自己配置一下环境就行了，具体可以参考上边的博客或者网上有很多教程，这一步我用的清华镜像安装的，没什么大问题。注意我安装的版本默认的base环境是python3.7的，3.7好像只能装tensorflow2.0，室友也说没有对应的tensorflow，干脆我也把base版本降到了3.6，方法是在Anaconda Prompt中打一行

conda install python=3.6

即可

第二步：安装CUDA Toolkit + cuDNN

我下载的是CUDA Toolkit 9.0 + cuDNNv7.0.5, for CUDA 9.0, for windows 10

tensorflow官网打不开，理论上应该看下载的CUDA和cuDNN的版本是否一致，为了省事我就直接按照人家下载的版本安装，安装过程基本与其类似。

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

下载好CUDA Toolkit 9.0 后，我们开始下载cuDnn 7.0，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的。登陆账号后才能下载。注意印象是密码设置的为至少9位。

至关重要的一步：
由于CUDA Toolkit需要在指定版本显卡驱动环境下才能正常使用的，所以如果我们已经安装了nvidia显卡驱动（很显然，大部分人都安装了），再安装CUDA Toolkit时，会因二者版本不兼容而导致CUDA无法正常使用，这也就是很多人安装失败的原因。而CUDA Toolkit安装包中自带与之匹配的显卡驱动，所以务必要删除电脑先前的显卡驱动。我也把MX250的显卡驱动卸载了。后来扫描硬件的时候又出现了，一头雾水。

CUDA：选择自定义安装--->勾选所有驱动组件--->一路通过

cuDNN：解压后将三个文件夹中内容分别粘贴到CUDA安装目录下对应文件夹内即可。

第三步：安装tensorflow-gpu

1.创建conda环境

conda create -n tensorflow pip python=3.5

之前就把conda设置为了清华源，下载速度很快

2.激活环境

activate tensorflow

这样就进入了刚创建的“tensorflow”环境。

3.安装tensorflow-gpu

pip install --ignore-installed --upgrade tensorflow-gpu=1.8.0

4.测试

能成功运行的话这样就安装成功啦！
注意在VScode中把设置调成env中的tensorflow环境就行了。

最终运行代码时报错：failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED 并直接退出运行，问题在于：
https://blog.csdn.net/weixin_42769131/article/details/84372952
如果你是使用 GPU 版 TensorFlow 的话，并且你想在显卡高占用率的情况下（比如玩游戏）训练模型，那你要注意在初始化 Session 的时候为其分配固定数量的显存，否则可能会在开始训练的时候直接报错退出：
这时你需要用下面的方法创建 Session：

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))
这里的0.333就是占你总显存的份额。

遇到的诸多问题：

1.tensorflow2.0

我完全按照博客中的步骤来时，发现安装了tensorflow-gpu2.0，结果证明，2.0完全用不了，如果是自己慢慢研究写代码或许还可以，我用的别人两年前的代码，人家用的tensorflow肯定不是2.0版本的，许多tf语句都不一样，例如：报错：“AttributeError: module 'tensorflow' has no attribute 'Session'”
因为是tensorflow 2.0版本
怎么解决：
此时须用
tf.compat.v1.Session()
替代
tf.Session()`

2.tensorflow1.4.0

也用不了，报错：ImportError: Could not find 'cudart64_100.dll'
解决方法：https://blog.csdn.net/aya_tao/article/details/100056269
但是解决了（改名后可以用但）事实上也无法用gpu加速，这就是第三个问题了

3.GPU占用率1%

看似安装完成之后其实也没有用GPU加速，原因尚未可知，至少前两个问题中的版本用不了。我还尝试使用TensorFlow指定GPU设备、分配显存，依然没有用。

4.查阅过的博客

https://ask.csdn.net/questions/710159无法调用gpu
https://blog.51cto.com/cfy10/2446977?source=dra安装tensorflow2.0的坑
https://blog.csdn.net/gangeqian2/article/details/79358543tensorflow安装
https://blog.csdn.net/littlehaes/article/details/82317220tensorflow获取可用运算设备(CPU,GPU)