浏览量：2986 最近编辑于：2022-06-15 19:29:06
# 简介
最近电脑重装，重新装了下**深度学习数件套**，结合之前安装遇到的一些问题和踩过的坑，决定写一篇安装教程。以下安装建议按照顺序进行，否则会有不必要的兼容性问题。软硬件环境如下：
- Windows 10
- NVIDIA MX350
# CUDA
首先打开N卡的控制面板界面，点击左下角的**系统信息**，如下图所示：
接着点**组件**，找到NVCUDA.DLL一项，查看显卡支持的最高版本号的CUDA版本，笔者的显卡支持的CUDA版本最高为10.2，如下图：
**接下来是很重要的一步，不可跳过！**
打开[https://tensorflow.google.cn/install/source_windows](https://tensorflow.google.cn/install/source_windows "https://tensorflow.google.cn/install/source_windows")网站，查看tensorflow各版本适合的CUDA版本和cuDNN版本：
此时可以看到，截至目前在Windows上适配的比较好的最高版本是tensorflow-gpu-2.0.0、CUDA 10、cuDNN 7.4。注意！虽然我之前查看显卡支持的CUDA最高版本为10.2，但是我们仍需下载CUDA 10.0，否则可能会有兼容性问题，这里踩了不少坑?，总之按照官网推荐的来就行。
CUDA各版本的官网是[https://developer.nvidia.com/cuda-toolkit-archive](https://developer.nvidia.com/cuda-toolkit-archive "https://developer.nvidia.com/cuda-toolkit-archive")，找到需要下载的CUDA版本进入下载界面，如下图所示：
这里我选择local exe安装方式，下载本地exe可能会有点慢，可以选挂梯子或者去网上找安装包。
下载完后直接安装即可。在安装的时候一定要选自定义安装，否则将会安装没必要的东西。安装的选项，可以选择不更新驱动程序
# cuDNN
进cuDNN官网查看各版本cuDNN
[https://developer.nvidia.com/rdp/cudnn-archive](https://developer.nvidia.com/rdp/cudnn-archive "https://developer.nvidia.com/rdp/cudnn-archive")
下载相应版本的cuDNN，这里我下载cuDNN7.4.2 for CUDA 10.0。
下载完解压zip文件，进入cuda文件夹可以看见bin、include、lib 三个文件夹，将每个文件夹下的文件复制到CUDA安装目录相应文件里就行了。**注意！是复制每个文件夹下的文件，不是复制文件夹！**
# Tensorflow-gpu
直接pip安装会很慢，可以选用清华的镜像
`pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ --upgrade tensorflow-gpu==1.14.0`
上文提到了官网列出的最新适配良好的版本为2.0.0，理应我应该选择2.0.0版本才对，但是2.0.0版本教新，会出兼容性问题，详见文末常见问题，实际还是要以自己GPU支持的CUDA和cuDNN版本为准。所以这里我选择安装**1.14.0**版本。
# Keras
[https://docs.floydhub.com/guides/environments/](https://docs.floydhub.com/guides/environments/ "https://docs.floydhub.com/guides/environments/")这个网站有Keras和推荐的Tensorflow版本供参考。
笔者按推荐安装Keras 2.3.1版本，直接pip安装即可`pip install Keras==2.3.1`
# 常见问题
* 安装完Keras运行demo，报` np_resource = np.dtype([("resource", np.ubyte, 1)]).... `这样的错误，是因为Numpy版本和Tensorflow版本不兼容导致的，Tensorflow2.0.0以下版本建议将Numpy版本降至1.16.4或更低`pip install -U numpy==1.16.4`
* 运行出现`ImportError: Could not find 'cudart64_100.dll'`错误，是因为Tesorflow-gpu要求的CUDA版本为10.0，建议更换与Tensorflow-gpu匹配的CUDA版本（图3所示），或更换Tensorflow-pu版本，或者检查CUDA是否添加至环境变量
* tensorflow-gpu 2.0.0安装完，运行报错：`tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.`这是因为tensorflow-gpu版本不匹配导致的建议选用教低版本！1.14.0
* 未完，待续......