安装配置步骤

• 官方步骤

注意提前查看自己的GPU是否CUDA

我笔记本GPU是1050,以下配置都是按我自己的情况来配置的，如与我的GPU不一样，请搜索相关的资料来辅助更好一些；

可尝试使用1050（显卡型号）+specification去google一下

• 查看地址

官网没有我这个版本，但我搜索资料发现我这个版本是支持CUDA的。

• 目前发现好像GPU只能是NVIDIA的,其它品牌不详；

安装Python3(64位）

必须要64位的，32位版本的无法安装任何tensorflow

安装包下载网址我下载的python3

注意下载位64位的，不要搞错了

下载并安装CUDA

我安装的是10.0版本，注意找到安装地址 下载地址

下载CUDD

我下载的是7.6.3.30

我刚开始按网上的教程，总是出错，后来发现直接把下载的文件解压后，直接把CUDD对应文件夹里面的文件放到CUDA里面对应的文件夹（上面CUDA安装后的配置文件夹，一般情况如下地址）里面即可；

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0

配置系统环境变量

• 尝试在命令行里面进行(我不清楚这种方法是否成功，但我在成功前尝试过)

  SET PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0bin;%PATH%
  SET PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0extrasCUPTIlibx64;%PATH%
  SET PATH=C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0include;%PATH%

• 在系统环境变量里面手动配置 这个在电脑里面搜索环境变量，然后就直接系统变量里面新建就行了，变量名随便取，但我希望自己能取一个能见名知意的（比如CUDA0,CUDA1等等）;

测试是否安装成功

• 看看自己python运行环境是什么，我有两个，一个是jupyter lab,另一个是Visual Studio Code，都能玩；
• 先建一个测试文件(文件名如：test.py)，内容如下：

  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)
  ```
- 测试CPU的处理时间 
```shell
python test.py cpu 10000

• 测试GPU的处理时间

  python test.py gpu 10000

• 多重复几次上述就可以发现GPU处理还是很强的,可以提高后面的数字来提高测试压力

后续更新说明（2019-08-27）

这个测试程序目前感觉有问题，当数字大于10000后，CPU和GPU的测试都有问题，我的机器CPU 15000可以运行，但GPU不可以，后来尝试测试训练一个初级入门程序，发现还是不错的，CPU占用率40%左右，GPU20%左右，后续我会把这个测试集放出来的。

• tensorflow-gpu版测试代码(minist手写识别)
  

目前感觉

• 有好几次无法调用GPU而导致程序退出；
• tensorflow里面有一个什么包一直提示不够最新，但不知道如何解决；