win10下配置tensorflow-gpu（NVIDIA Quadro P2000）

用公司服务器配置的NVIDIA Quadro P2000显卡进行tensorflow-gpu计算，折腾了两天才完成环境搭建，写在这里mark下。主要的经验就是：

查看自己的显卡是否支持，否则白折腾。
CUDA和cuDNN版本一定要对应。
anaconda预装的tensorflow是CPU版本的，需要自己卸掉然后装tensorflow-gpu版本，否则肯定不行！

确定自己的GPU支持人工智能计算

首先查看自己GPU的型号：

如果设备列表里没有，就是没装驱动，建议去安装最新驱动。然后在NVIDIA的控制面板上查看支持的CUDA版本：

也可以参看NVIDIA官网GPU计算力排名：

位列其中肯定是支持的。

CUDA和cuDNN的安装

CUDA是NVIDIA搞得计算平台，也就是说一般的显卡需要这个平台才能进行深度学习，cuDNN相当于补丁，能够加速训练。同时cuda和cuDNN版本一定要对应，否则不兼容。具体兼不兼容可以从这个官方网址来查看https://tensorflow.google.cn/install/source_windows.

我用的红框中的配置，也就是tensorflow_gpu-2.3.0，cuDNN为7.6，CUDA是10.1。如果版本不对会带来一系列问题！cuDNN和CUDA可以下载local版本（文件较大）或者network版本。
CUDA下载网址https://developer.nvidia.com/cuda-toolkit-archive.
cuDNN下载需要先注册然后下载，具体过程与CUDA类似。
查看CUDA版本在命令行下面输入：nvcc -V

这代表CUDA安装成功。cuDNN查看版本比较麻烦，可以参看查看cuda和cudnn版本win&linux 。
测试CUDA，命令界面进行deviceQuery和bandwidthTest，出现以下结果就是正确：

如果之前CUDA安装错了，需要全部卸载，方法就是进入win程序管理，将NVIDIA带版本号（比如11.0）的程序全部卸载，参见win10 卸载cuda ，cuDNN手动删除就行。然后重装就可以了。

tensorflow-gpu安装

我是采用anaconda来管理我的库，anaconda使用起来很方便，但是麻烦的是默认安装的tensorflow是cpu版本，需要自己卸了重装。在anaconda中点击绿色三角，然后点击Open Terminal，出现命令界面。

输入pip uninstall tensorflow，卸载原有tensorflow。
然后安装tensorflow-gpu_2.3.0，可以直接输入pip install tensorflow-gpu==2.3.0。我的网速不稳定，从清华镜像下载了tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl直接安装：pip install tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl。

测试

在python命令界面下，输入以下代码测试：

import tensorflow as tf
tf.test.is_built_with_cuda() # 结果是True
tf.test.is_gpu_available() # 结果是True
tf.config.list_physical_devices('GPU') # 输出可使用的GPU列表

出现以下结果表示正确：

代码修改

我用的keras2.0，代码层面不需要修改（是import tensorflow，不是import tensorflow-gpu），畅快的炼丹吧！
运行过程中可以通过nvidia-smi查看GPU使用情况：

可以参见CUDA之nvidia-smi命令详解。