Win10搭建Tensorflow-GPU环境
一、前言
最近在使用人脸识别FaceNet碰到了些训练上的速度问题，特来此记录下配置Tensorflow-GPU环境的过程，防止以后还需要用到。
自己的环境：
操作系统： Windows 10
GPU: GTX1050+CUDA9.0+cuDNN
Python： Version 3.7
深度学习框架：tensorflow-gpu
注意：CUDA 选择安装的版本一定要和你电脑上的显卡信息相匹配，否则tensorflow-gpu会报错！！！
二、安装过程
2.1 安装 CUDA 9.0
下载好后打开进行安装：
下一步会检测系统兼容性，有些显卡是不支持GPU的:
接收协议，开始安装：
安装选择自定义安装，自定义安装选项如下，我们只选择我们需要的：
安装位置默认就好，不然之后可能会有一系列问题：
等待安装完成：
安装完成之后，下一步需要配置环境变量：
如果安装成功，系统变量会多出两个为：
还需要自己添加几个系统变量：
CUDA_SDK_PATH = C:CorporationSamples.0(这是默认安装位置的路径，如果自己设置路径安装成功的话就用自己的路径)
CUDA_LIB_PATH = %CUDA_PATH%
CUDA_BIN_PATH = %CUDA_PATH%
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%
添加好之后应该像下面这样：
下一步在系统变量PATH里添加东西。找到系统变量的PATH双击，添加下列东西：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:FilesGPU Computing Toolkit.0 (这些均为默认路径，有需要的话自行修改)
C:FilesGPU Computing Toolkit.0
C:CorporationSamples.0
C:CorporationSamples.0
添加完之后CUDA就算安装完成了，我们可以检验是否安装成功：
① 打开CMD，cd 到 C:FilesGPU Computing Toolkit.0_suite（这是默认路径）
② 分别执行命令：
bandwidthTest.exe
deviceQuery.exe
若分别返回图示结果则CUDA 9.0安装成功！
2.2 安装cuDNN
去cuDNN官网上下载搭配 CUDA 9.0 的 cuDNN ，一定要注意搭配9.0，会需要注册英伟达的账号：
注册好之后进行下载：
下载好之后进行解压，分别将.h .lib
和 .dll 文件分别拷贝到 CUDA 的include,
lib/x64, bin
文件夹下，其实也就是对应的文件夹。
到这里就安装好了CUDA 9.0及其对应的 cuDNN！
2.3 安装Tensorflow-GPU
之前安装的是CPU版本，所以先删除
pip uninstall tensorflow
删除之后我选择使用 pip 安装 tensorflow-gpu：
pip install tensorflow-gpu
进入Python环境检测是否安装成功：
