Ⅰ 安装anaconda,cuda,cudnn
step1安装anaconda,搭建python3.6环境
简介：
Anaconda一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。
Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含Python和相关的配套工具。
安装：
官网下载直接安装，官网最新版本是3.7，我安装在D盘，路径为D:\Anaconda3，但是tensorflow还不支持python3.7，所以我在安装完后又对其进行降级变为3.6版本。
回退至python3.6：
打开anaconda prompt，输入命令conda install python==3.6，等待提示（y/n），输入y，等待，会提示done，这样的话，就表示python3.7已经退回到python3.6了。
o(￣▽￣)ブ~此时python3.6环境已经准备完成！！！
step2确认显卡所支持的CUDA版本并进行下载
查看版本
1、开始栏搜索控制面板->搜索NVIDIA->nvidia控制面板->点击导航栏帮助->系统信息，查看您的驱动程序版本，CUDA核心数字；
2、查看组件信息，查看NVIDIA.DLL后缀，现实的是当前显卡所支持的最高CUDA版本； 3、确认当前所安装的cuda最大版本为cuda9.0,接下来下载cuda进行安装。
！！当然如果你不确定，可以打开NVIDIA，截图如下，可通过cuda核心数再次确认版本是否准确，新版本还是推荐查看。
下载
上链接打开后进入的是官网，要通过一系列寻找才能找到所需要版本。
个人建议在搜索栏直接输入相对应的版本进行搜索，点开官网就直接出现你所要版本，直接下载方便的多。
我下载的是cuda9.0版本链接，可以选择local(本地）安装，也可以选择network(网络）安装，我选择的是本地，这个因人而异。同时，还有四个补丁文件要一同下载。
安装
1、点击exe直接运行文件，自定义安装路径，我定义在了D盘（自定义路径文件夹的名字不要和默认差太多，方便管理，也好寻找）
2、位置定义好了点击ok，显示cuda setup，.....等待... 3、cuda自动检查版本兼容性（如果不匹配这一关过不去的） 4、选择自定义安装，之后不要勾选第一项里的vs。如果不适用默认路径最根据默认路径进行修改，不要保存的乱七八糟。我保存的是D:\Nvidia 5、接下来就安装完成，几个补丁安装到与cuda安装位置相同的文件夹（D:\Nvidia\CUDA)，安装每个补丁选择位置的时候都会找不到CUDA文件夹，不要担心，再新建一个同样名字的文件路径安装就好。
step3确认cudnn版本号进行下载
1、查看版本
NVIDIA-cudnn可以查看cuda版本所对应的cudnn，下载时注意与你的pc机os等信匹配，下载对应的cudnn文件。
PS：我觉得官网网速真的很慢，基本处于停滞不前状态，所以还是推荐找资源.。
2、安装
我下载的是7.0.5，下载后将cudnn压缩包解压会得到一个cuda文件夹，之后按照如下进行复制（这是我的文件目录，大家自行修改）
step4配置环境变量
1、右键我的电脑——>属性——>高级系统设置——>环境变量；
2、可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量
3、接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\9.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\NVIDIA\CUDA Samples\v9.0）CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 CUDA_BIN_PATH = %CUDA_PATH%\bin CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64\
4、在系统统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64； C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin； C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64； C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64；
如果选用了自定义路径，上述这些默认路径都应该相应替换为你的自定义路径，如下为我的环境变量配置情况，path就不上图了：
（：我个人觉得这一步有点多余了，系统自动添加的环境变量已经够了，但是为了防止出问题，还是乖乖加上😂
step5检查安装成功
方法：使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
步骤：
1、 win+R打开cmd，输入命令D:进入D盘，
2、cd D:\Nvidia\Nvidia GPU Computing Toolkit\CUDA\V9.0\extras\demo_suite进入此文件夹
3、分别执行分别执行bandwidthTest.exe和deviceQuery.exe,得到两个Result = PASS成功；
4、也可输入`nvcc -V`查看版本验证安装成功；
Ⅱ 安装Tensorflow
step1查看匹配的tensorflow版本
Tensorflow官网可以查看cuda,cudnn和相匹配的Tensorflow版本，cpu和gpu都可，选择时还要注意python版本,图是我选择的tensorflow_gpu-1.7.0
(注：如果直接按照官网介绍使用，输入pip3 install --upgrade tensorflow-gpu,那么我们下载的是会最新版本，但是不推荐因为极大概率他与你安装好的cuda以及cudnn版本不匹配，有雷。)
step2下载安装
下载
渠道1：（推荐）清华镜像网站自行选择版本下载，省时省力。
渠道2：官网。python3.6环境下cmd输入install tensorflow_gpu==1.7.0，表示下载1.7.0版本
我下载的是tensorflow_gpu-1.7.0-cp36-cp36m-win_amd64.whl，cp36就是指python3.6环境，tensorflow_gpu-1.7.0是版本。
安装
1、win10+R打开cmd，输入activate python3.6，激活python 3.6，如果不激活会安装在anaconda默认的3.7环境下；
2、cd到下载的文件所在目录；
3、python3.6环境下输入pip install tensorflow_gpu-1.7.0-cp36-cp36m-win_amd64.whl等待出现successfully即为安装成功。
step3验证安装成功
1、在cmd中python3.6环境下输入下面代码：
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
2、出现如下图，则说明已经基于GPU运行
Ⅲ 安装keras
keras与tensorflow也需要版本匹配,找到匹配版本2.1.6在python3.6环境下执行pip install keras==2.1.6,等待安装成功。
Ⅳ 安装openCv库
1、下载：官网太慢了，网上找资源下载，我的版本是3.4,网盘提取码：ff89
2、下载文件复制到此目录下：D:\Anaconda3\envs\py36\Scripts
3、python3.6环境下cd到文件所在目录进行安装pip install opencv_contrib_python-3.4.0.12-cp36-cp36m-win_amd64.whl等待安装成功；
Ⅴ 安装其他模块
1、安装：pip install 模块名称==版本号；
2、卸载：pip uninstall 模块名称；
例安装pandas模块：pip install pandas；
–=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-=-
至此，所有安装完成,起始我同时安装了qt和pycharm，但是有点累，之后想写再写~
第一次写博客，还是蛮开心的，权当一个记录~
毕设就是深度学习所以现在挖个坑
O(∩_∩)O
不足之处多有见谅，这只是我的安装过程。
Happy ending~(●’◡’●)
win10_940MX python3.6深度学习gpu环境搭建入门必看！anaconda3+cuda9.0+cudnn7.0.5+tensorflow1.7.0+keras2.1.6+openCV
