0.前言

本文作者接触深度学习2个月后，开始进行目标检测实践。
本文作者的专题《目标检测》链接：https://www.jianshu.com/c/fd1d6f784c1f
此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标检测，专题内容偏向于掌握技能，学会工具的使用。
本文作者尚未具备清楚讲述目标检测原理的能力，学习原理请自行另找文章。

1.不同操作系统的指引

本文中演示的操作系统是Win10。
如果要学习如何在Linux操作系统中下载和安装CUDA9.0、cudnn7.3、tensorflow_gpu1.10，请浏览本文作者的另外一篇文章《在谷歌云服务器上搭建深度学习平台》，链接：https://www.jianshu.com/p/893d622d1b5a
《在谷歌云服务器上搭建深度学习平台》这篇文章中有部分内容是如何建立和连接云虚拟机，这部分内容对于拥有Linux主机的读者是无用的。为了减少读者阅读无用内容的时间，本文作者声明，读者只需要阅读下面5个章节即可完成在Linux操作系统的深度学习环境搭建：

1. 第2章《在云虚拟机中安装Anaconda5.2》；
2. 第4章《在云虚拟机中安装Nvidia驱动》；
3. 第5章《在云虚拟机中安装CUDA9.0》；
4. 第6章《在云虚拟机中安装cuDNN7.1》；
5. 第7章《在云虚拟机中安装TensorFlow、Keras》

2.软件下载

百度云盘下载链接: https://pan.baidu.com/s/1nGUYr3AHyDJrKzcUctprVg 提取码: 1b66
本文作者在链接中上传了4个深度学习环境搭建所必需的文件，如下：

1. Microsoft出品，在Windows操作系统运行所有软件都依赖的.Net Framework库，版本为4.6。
2. Nvidia出品，用于做并行计算的平台CUDA，版本为9.0，前提是电脑拥有Nvidia独立显卡。
   在做深度学习实验时，建议最低配置也需要Nvidia GTX1060的6GB显存版本。
   本文作者使用的是CUDA9.0，查看自己的电脑是否能够使用CUDA9.0，请查看本文作者的另外一篇文章《Windows系统查看CUDA版本号》，链接：https://www.jianshu.com/p/d3b9419a0f89
3. Nvidia出品，用于做深度学习加速计算的cuDNN库，版本为7.3。
4. Google出品，提供给开发人员的深度学习开发框架TensorFlow。
   其有2个版本，cpu版和gpu版，本文要安装的是gpu版本，因为gpu版本是cpu版本运行速度的50倍。

在这篇文章当中，本文作者只演示如何安装软件，使读者能够以最快的速度使用上深度学习的GPU加速。
学习如何从官网下载这些软件，请阅读本文作者的另外一篇文章：《深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的下载》，链接：https://www.jianshu.com/p/c73668544925

3.安装.Net Framework4.6

选择下图中红色箭头标注处exe可执行文件，双击开始安装。

image.png

image.png

image.png

4.安装CUDA9.0

本文写作的时候，市面上已经有CUDA10.0，但是没有与之对应的Tensorflow_gpu版本。
因为最新版的Tensorflow_gpu兼容CUDA9.0的版本容易从网上获取，即通过pip install tensorflow_gpu安装的版本是可以兼容CUDA9.0的。
选择下图中红色箭头标注处exe可执行文件，双击开始安装。

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

image.png

5.安装cudnn7.3

使用解压软件将压缩文件cudnn-9.0-windows10-x64-v7.3.1.20.zip解压到当然文件夹，
具体操作示意图如下图所示：

image.png

image.png

image.png

image.png

image.png

image.png

image.png

6.安装tensorflow_gpu1.10

6.1 运行pip install命令安装本地WHL文件

使用WHL文件安装python中的库，使用的WHL文件如下图所示。

image.png

image.png

image.png

image.png

6.2 运行pip install命令安装msgpack库

考虑到部分读者可能没有安装运行tensorflow必需的msgpack库。
在cmd中输入命令：pip install msgpack，然后按Enter键运行命令。

image.png

7.测试运行环境

7.1 新建文本文件

在文件夹中新建一个文本文件，具体操作示意图如下图所示：

image.png

7.2 编辑代码

打开上一节中的文本文件，将下面一段代码复制到其中。

import tensorflow as tf
hello = tf.constant('hello, tensorflow!')
session = tf.Session()
print(session.run(hello))

具体操作示意图如下图所示：

image.png

7.3 重命名文件

首先读者需要能够更改代码文件的后缀名，点击查看，位置如下图红色箭头标注处所示。

image.png

image.png

image.png

image.png

7.4 运行py文件

在文件test.py所在路径下打开cmd，在cmd中输入并运行命令：python test.py，如下图所示。
请读者确认cmd所在路径需要与文件test.py所在路径相同。

image.png

image.png

8.总结

1. 本文作者提供4个安装文件在百度云盘的下载链接，读者可以直接下载安装，省去了自己下载的麻烦。
2. 本文详细介绍了tensorflow的gpu版本的安装细节，希望给入门深度学习的读者带来良好的起步。
3. 如果读者对细节有疑问，可以在评论区留言。
4. 不同读者的实际操作中，可能会遇到各种奇怪的困难，本文作者建议先将Nvidia相关驱动卸载干净后，重新安装Nvidia驱动，再实现本文当中的操作。
5. 如果一直出现找不到tensorflow库的错误，本文读者提示可以使用conda install tensorflow_gpu的方法先解决环境问题，然后再conda uninstall tensorflow_gpu，最后再实现本文当中的操作。