前言
好机器不能浪费，遂在本人笔记本 DELL 5530 上安装 TensorFlow-GPU 。
环境
- Windows10家庭版
- GPU Nvidia M1200
- Python 3.5.3
- CUDA 8.0
- cuDNN 5.0.5
资源地址
-
cuda_8.0.61_win10.exe下载地址。cuda_8.0.61_win10
安装完成后，在系统环境变量会有如下环境变量:
CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 CUDA_PATH_V8_0=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 NVCUDASAMPLES8_0_ROOT=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 NVCUDASAMPLES_ROOT=C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 NVTOOLSEXT_PATH=C:\Program Files\NVIDIA Corporation\NvToolsExt\ -
cuDNN 下载需要注册账号。就不提供地址了，认准版本号就可以。下载完之后，将压缩包解压到CUDA安装目录中，比如
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0；或者定义CUADD_ROOT缓存变量指向解压缩cuDNN文件的位置。 -
Python 3.5.3 我使用了Anaconda3，通过创建虚拟环境安装，因为本人电脑已经安装有Caffe，如果两个框架安装在同一环境中，生怕出事，于是新建环境。
conda create -n tensorflow python=3.5.3然后将新创建的虚拟环境添加到Path环境变量：
C:\ProgramData\Anaconda3\envs\tensorflow C:\ProgramData\Anaconda3\envs\tensorflow\Scripts两个常用指令：
打开环境：activate tensorflow 关闭环境：deactivate tensorflow
使用 Anaconda navigator 安装 TensorFlow-GPU
使用搜索框检索 “tensorflow-gpu” 然后点击安装即可。
验证安装
打开anaconda prompt，激活环境并进入python：
测试代码如下：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
运行结果：
至于中间那一串警告，只是框架的一个建议而已：
The TensorFlow library wasn't compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.
忽略之即可！
本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。欢迎转载，并请注明来自：黄钢的博客 ，同时保持文章内容的完整和以上声明信息！
