数字设计-基于深度学习的建筑能耗预测—2021WS 作者：徐仔 指导老师：万老师、丁老师 带组导师：宋学姐（建筑学专业）、卢学长（计算机专业） （转载请注明出处）
一、检查显卡
·查看自己的显卡配置是否能支持cuda，以及Tensorflow不同版本要求与CUDA及CUDNN版本对应关系:
https://developer.nvidia.com/zh-cn/cuda-gpus
·nvidia与cuda需要满足关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
二、下载安装GeForce Experience
官网下载：
https://www.nvidia.com/zh-cn/geforce/geforce-experience/，
experience检测显卡驱动，发现最新版本472.12，点击安装，一定要注意，选择自定义安装，然后有个纯净安装的勾选框。接下来会让重启电脑，重启过后experience还会继续弹出来自动安装一些东西，等它安装结束即可。
三、下载 CUDA 8.0 + cudnn 5.1
· cuda历史版本下载连接：
版本是：CUDA Toolkit 8.0 GA2 (Feb 2017)
https://developer.nvidia.com/cuda-toolkit-archive
· cuda与cudnn需要满足关系：
版本是：cuDNN v5.1 Library for Windows 10
https://developer.nvidia.com/rdp/cudnn-archive
· 显卡计算能力：
https://developer.nvidia.com/cuda-gpus
对应版本：
由上表可知，cuda8+cudnn5.1最高可以装到tensorflow1.2.0)
四、安装
1. CUDA 8.0
直接点击安装
在cmd命令行中输入nvcc -V查看是否安装成功。
2. 安装cudnn 5.1
cudnn下载完成后直接解压，然后到你cuda的安装路径下，
我的cuda路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
· 将解压出来的:
bin中文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin中
include文件放到cuda的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include中
lib文件放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
3. 安装 Tensorflow_gpu 1.2.0
· 首先打开Anaconda Prompt，进入Anaconda命令行管理界面。
· 配置清华镜像，输入指令： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ · 然后输入 conda config --set show_channel_urls yes · 创建运行环境，输入指令： conda create -n tensorflow-gpu python=3.6 · 新建一个名字叫“tensorflow-gpu”，python版本为3.6的运行环境，此环境与Anaconda中其它环境隔离。红框中的软件包也会随之安装，· · 输入“y“和回车后开始安装。 · 然后会出现一些软件安装包的提示（问你是否确认安装）：输入 y 按回车 · 激活并进入环境，使后续指令在激活的环境中生效，输入指令： activate tensorflow-gpu · 升级pip到最新版，防止稍后的安装时，出现错误（很有可能因为没有更新pip到最新版，导致下载到一半出现错误），输入指令： python -m pip install --upgrade pip · 安装tensorflow 1.2.0及相应依赖包，输入指令： pip install --ignore-installed --upgrade tensorflow-gpu 至此，tensorflow的安装完成。
笔者安装过程截图：
· 最后，验证一下是否安装成功：
在命令行中，进入python，并输入以下代码：
import tensorflow as tf hello=tf.constant('hello,tensorflow') sess=tf.Session() print(sess.run(hello))
输出：
b'hello,tensorflow'
即安装成功！
