摘要：下載的全稱為，是專門針對深度神經(jīng)網(wǎng)絡(luò)中的基礎(chǔ)操作而設(shè)計基于的加速庫。為深度神經(jīng)網(wǎng)絡(luò)中的標(biāo)準(zhǔn)流程提供了高度優(yōu)化的實(shí)現(xiàn)方式，例如以及的前向以及后向過程。只是深度神經(jīng)網(wǎng)絡(luò)軟件開發(fā)包中的其中一種加速庫。想了解深度神經(jīng)網(wǎng)絡(luò)加速庫中的其他包請戳鏈接。

1.首先去官網(wǎng)下載cuda9.0版本 然后安裝，配置環(huán)境變量。

CUDA_PATH是C:Program FilesNVIDIA GPU Computing ToolkitCUDA9.0但是僅僅如此，是不夠的，還需要在環(huán)境變量里的path全局變量里加入，這個下面的bin和libx64目錄的路徑。
安裝過程就是一路默認(rèn)下一步就好了。

2.下載cudnn
cuDNN的全稱為NVIDIA CUDA? Deep Neural Network library，是NVIDIA專門針對深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks）中的基礎(chǔ)操作而設(shè)計基于GPU的加速庫。cuDNN為深度神經(jīng)網(wǎng)絡(luò)中的標(biāo)準(zhǔn)流程提供了高度優(yōu)化的實(shí)現(xiàn)方式，例如convolution、pooling、normalization以及activation layers的前向以及后向過程。

cuDNN只是NVIDIA深度神經(jīng)網(wǎng)絡(luò)軟件開發(fā)包中的其中一種加速庫。想了解NVIDIA深度神經(jīng)網(wǎng)絡(luò)加速庫中的其他包請戳鏈接https://developer.nvidia.com/...。

下面我們說一下正確的安裝cuDNN方式，其實(shí)跟著官方安裝說明進(jìn)行安裝就可以了。

從https://developer.nvidia.com/...（可能需要注冊或登錄）。

如果這個壓縮包不是.tgz格式的，把這個壓縮包重命名為.tgz格式。解壓當(dāng)前的.tgz格式的軟件包到系統(tǒng)中的任意路徑，解壓后的文件夾名為cuda，文件夾中包含三個文件夾：一個為include，另一個為lib64，還有一個是bin，然后復(fù)制到CUDA_PATH下面。

將解壓后的文件中的lib/x64文件夾關(guān)聯(lián)到環(huán)境變量中。這一步很重要。

運(yùn)行tensorflow檢驗

#coding=utf-8

import tensorflow as tf

import numpy as np

hello=tf.constant("hhh")

sess=tf.Session()

print (sess.run(hello))

3.安裝tensorflow
按照官網(wǎng)教程安裝，然后用按照anaconda啟動tensorflow，
python
import tensorflow as tf
如果不報錯就成功了。
查看tensorflow版本

4.如何查看自己用的是cpu還是gpu？
在Python環(huán)境中輸入：
在Python環(huán)境中輸入：

import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name="a")
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name="b")
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

之后就會出現(xiàn)詳細(xì)的信息：

Device mapping:
/job:localhost/replica:0/task:0/device:GPU:0 -> device: 0, name: Tesla K40c, pci bus
id: 0000:05:00.0
b: /job:localhost/replica:0/task:0/device:GPU:0
a: /job:localhost/replica:0/task:0/device:GPU:0
MatMul: /job:localhost/replica:0/task:0/device:GPU:0
[[ 22.  28.]
 [ 49.  64.]]

就能看到是GPU在工作還是CPU再工作了。