目录
基于NVIDIA GeForce MX150 的Windows10安装TensorFlow-GPU详解
折腾了一天TensorFlow-GPU的坑。看了许多网络安装帖子，试了很多版本都有问题。有时候发现并不是安装过程太难，而是需要静下心来不断试错。把自己当成一个人形调试机，总会有一个办法是完全适合你的。
本篇基于NVIDIA GeForce MX150 安装 CUDA,cuDNN,Python(anaconda)TensorFlow-GPU（Windows10操作系统）
安装顺序： 查看配置环境 —> CUDA Toolkit —> cuDNN —> Visual Studio 2015 Community —> anaconda虚拟环境 —> TensorFlow-GPU —> 测试
一、安装环境
我的电脑配置如下：
1.windows 10 64bit 专业版
2.Anaconda 2018.12 Python3.7(需要降级为python3.6)
3. Visual Studio 2015 Community
4.显卡支持NVIDIA GeForce MX150
5. cuda_9.0.176_win10_network.exe
6. cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0
7.TensorFlow-gpu 1.7.0
8.Keras 2.2.4
9.numpy 1.16.2
10.PyQt5 5.12.1
二、安装Visual Studio 2015 Community
先上Visual Studio 2015 Community资源百度网盘 提取码：f1qz （对！就是那么贴心）
安装过程可参考博客
需要注意的是：
安装路径可以*选择
自定义安装不需要 VS2015 的全部组件，只需要与 C/C++ 相关的组件，所以这里只选择了“Visual C++”，将其它用不到的组件全部取消勾选。
然后。。。请开始你漫长的安装等待吧。。。（喝杯茶，看个啥）
三、安装CUDA Toolkit
需要使用TensorFlow-GPU请先查看电脑是否支持GPU显卡：
1.设备管理器 —> NVIDIA GeForce MX150
如果显卡不是NVIDIA GeForce MX150 请查看 网站或下图配置你的CUDA
2.查看NVIDIA GeForce MX150 所适合的CUDA版本：
控制面板 —> NVIDIA控制面板 —> 系统信息 —> 组件
确定NVIDIA GeForce MX150支持CUDA9.0版本
从CUDA官网下载cuda_9.0.176_win10_network.exe 如下图
安装CUDA：
此处不用管，直接点OK
等待检查系统兼容性，同意并继续
选择自定义安装
更新CUDA、Driver（不更新的话有可能导致NVIDIA控制面板打不开）、physx
安装位置不需要改变，后面过程直接下一步即可。
安装后可进入cmd里面输入nvcc -V 查看是否安装成功，如下所示即安装成功
四、安装cuDNN
cuDNN可以在前面GPU的基础上在提升1.5倍的速度，由NVIDIA开发，因此可以在官网中下载。在官网下载需要先注册。下载cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 Windows10版本 （注意一定要与CUDA版本号对应）
不想去官网注册下载的同学也可以去我的百度网盘 提取码：kol3 （对！还是那么贴心）
下载完毕解压会看到3个文件夹如下：
下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹内容复制到安装CUDA的地方覆盖对应文件夹内容，CUDA默认文件夹在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
检查一下环境变量 我的电脑—> 属性—> 高级系统设置—> 环境变量—>系统变量
中加入CUDA 的bin所在目录环境C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
如何cuDNN验证是否安装成功？
cuDNN无法直接验证安装成功，在之后TensorFlow-GPU安装完毕后import tensorflow as tf 若报错ImportError: Could not find 'cudnn64_7.dll'.则证明安装失败。
五、配置Anaconda虚拟环境
在Anaconda中配置虚拟环境有两种方法：
1.可以直接打开Anaconda Navigator，创建TensorFlow–GPU虚拟环境
2.也可以打开Anaconda Prompt ,输入下面命令用于创建一个虚拟环境，名字叫TensorFlow–GPU， 同时指定python的版本，如果本机内没有安装这个版本的python，就会自动下载安装.
conda create -n TensorFlow--GPU python=3.6
配置完虚拟环境env后可在Anaconda Prompt 中输入：
**环境
activate TensorFlow--GPU
退出环境
deactivate
在虚拟环境中安装Spyder和Jupyter,此处我已安装Spyder
在Environments中同样安装Spyder与ipython 以防报错，此处我已安装：
注意： 如果Anaconda默认安装的python版本是3.7 应该降到python 3.6版本，打开Anaconda Prompt在TensorFlow–GPU 虚拟环境中输入：
conda install python=3.6
六、安装TensorFlow-GPU
打开Anaconda Prompt ，**环境后，安装TensorFlow-gpu即可（太慢也可用镜像安装）。
注意：TensorFlow-GPU版本使用1.7.0
此外安装配套的Keras 2.2.4版本、numpy 1.16.版本和PyQt5 5.12.1版本（不安装打不开Spyder）
七、测试
在TensorFlow-GPU虚拟环境中打开python 测试一下安装是否成功。
输入：
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
等待片刻，如下图所示，即安装成功：
也可以跑个tensorflow语句试试试
import tensorflow as tf # 引入 Tensorflow 库
gjm = tf.constant("Hello World ! I love TensorFlow ! ") #创建一个常量 Operation （操作）
sess = tf.Session() #启动一个 TensorFlow 的 Session（会话）
print (sess.run(gjm)) #运行 Graph (计算图) python3.x 专用语法
sess.close() #关闭 Session （会话）
在虚拟环境下的Spyder测试一下：
七、报错经验
1.由于创建了虚拟环境，各类python包需要重新安装，注意安装的版本号对应（一、安装环境 中几个主要的包及版本已进行说明）
2.如果cuDNN版本与CUDA的版本不匹配import TensorFlow时会报错：
ImportError: Could not find 'cudnn64_7.dll'.
需要仔细核对cuDNN 与CUDA的版本匹配。
3.如果进行深度学习图像处理，有可能报错：
ImportError: Could not import PIL.Image. The use of `array_to_img` requires PIL.
需要更新PIL库
pip install pillow
或
conda install pillow
最后这篇文章也写得很清楚，以供一起参考：
https://medium.com/@johnnyliao/在nvidia-mx150的win10安裝cuda-toolkit-cudnn-python-anaconda-and-tensorflow-91d4c447b60e
如果我的文章中的总结和知识对你帮助很大或者启发很大，或多或少打个赏呗！
