做机器学习的朋友一定绕不开Tensorflow和Keras，跑模型又会要用到GPU的CUDA框架，其中各种版本兼容问题经常导致刚从一个坑里出来，又立刻掉到另一个坑里.....

于是，踩坑无数的我，总结了一篇教程，希望可以帮助到大家少走些弯路。

1. 确认显卡是否支持CUDA

NVIDIA官网有明确标出支持CUDA的显卡都有哪些，直接去官网查询自己的显卡型号是最高效的（只要在列表里出现了就是支持的），附链接：

CUDA GPUs​developer.nvidia.com

确认显卡支持就可以进入下一步了；如果显卡不支持，Tensorflow也提供了cpu版本供大家使用（就那个没有-gpu后缀的）

2. 安装VS

CUDA运行的时候需要VS的环境，所以要先安装Visual Studio，下载链接：

Visual Studio IDE、代码编辑器、Azure DevOps 和 App Center - Visual Studio​visualstudio.microsoft.com

下载完成，开始安装：

安装完毕:

现在可以开始准备安装CUDA了

3. 检查显卡支持的CUDA版本号

在下载驱动之前要先检查一下自家显卡支持什么版本的CUDA。

查询步骤：开始菜单 - 设置 - 控制面板 - 硬件和声音 - NVIDIA控制面板 - 帮助 - 系统信息 - 组件 - 查‘NVCUDA ALL’后面跟的产品名称：

4. 下载CUDA Toolkit工具

再次前往NVIDIA官网，附上链接：

CUDA Toolkit 9.0 Downloads​developer.nvidia.com

这次我们去下载显卡驱动。

依次选择：操作系统，构架，CUDA Toolkit版本（版本号对应上一步查到的产品名称），安装方式（选择本地即可）：

安装步骤：

5. 下载cuDNN

还是在NVIDIA官网，这次是这个链接：

NVIDIA cuDNN​developer.nvidia.com

cuDNN在下载的时候需要登陆账号，如果没有注册过帐号的小伙伴需要注册一下账号（如果注册过的小伙伴请忽略）。

注册好了之后，根据CUDA Toolkit工具的版本选择cuDNN版本，找到操作系统对应的Library版本，点击下载：

下载下来的是个压缩包，先解压：

然后需要把bin文件添加到环境变量里：

6. 安装Anaconda

之所以安装Anaconda而不是pycharm，是因为Anaconda可以针对不同版本的python配置不同的环境，并且可以避免很多依赖问题，使用体验极佳。

依旧，附上官网下载链接：

Anaconda | Individual Edition​www.anaconda.com

按部就班的安装，最后配置环境变量：

我自己用Anaconda给Tensorflow单独配了个环境，这个网上教程很多，在这里就不细说了。

7. 安装Tensorflow-GPU

还是先检查对应关系，根据自己安装的CUDA版本，找到适合的Tensorflow-GPU版本，这里需要留意一下自己的python版本是否合适。

ps：原则上Tensorflow-GPU选择尽量新的版本较好。

pps：python还是安装3以上的吧，毕竟2现在不更新了。

List of Available Environments​docs.floydhub.com

查到了适合自己的Tensorflow-GPU版本后，就可以开始安装啦，管理员身份打开CMD，开始pip，我已经提前从清华镜像上下载好了，所以写入了本地路径：

pip3 install --upgrade  E:/Documents/tensorflow_gpu-2.2.0rc4-cp37-cp37m-win_amd64.whl

清华的镜像 https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu

漫长的等待后：

测试一下：

import tensorflow as tf
a = tf.random_normal((10,10))

成功！可喜可贺！

8. 安装Keras

下面就是Keras的安装了，还是先查找对应关系，链接见7：

还是熟悉的pip：

pip3 install --upgrade  E:/Documents/Keras-2.3.1-py2.py3-none-any.whl

安装完成：

测试一下：

import keras
keras.__version__

成功运行！大功告成！

9. 最后总结一下我之前碰到的坑

我最开始是在笔记本上安装Tensorflow-GPU的。当时Anaconda，python都安装完了，按照教程直接安了Tensorflow-GPU，然后是Keras，结果运行的时候各种报错。。。

后来查了各种资料才知道还有这么多兼容问题。

下面贴出一些我碰到的坑，希望可以帮到大家：

首先是Keras报错问题：

• Keras requires TensorFlow 2.2 or higher.
• ModuleNotFoundError: No module named 'tensorflow.python.eager'
• AttributeError: module 'keras.backend.tensorflow_backend' has no attribute '_is_tf_1'
• ImportError: cannot import name 'np_utils'

以上这4个都是因为 tensorflow和keras的版本不对应 导致的，具体对应关系可以查看教程的7和8步

然后是Tensorflow的问题：

import tensorflow as tf
ImportError: No module named 'numpy.core._multiarray_umath'
ImportError: numpy.core.multiarray failed to import

解决方案：

pip install numpy --upgrade

2.

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

下载TensorFlow的版本不支持cpu的AVX2编译导致（版本问题），解决方案：

卸载了重新安装正确的tf版本

最后祝大家都能一次成功！