花花鞋完全不会深度学习，只是知道有这么一种数学编程技术，和人工智能有关，很火，上一周在某公众号灌水的时候， 获赠送一本<Python 机器学习预测分析核心算法>，仅此而已。前几天突然心血来潮，学着安装深度学习的环境，碰到几个大坑，安装和卸载Anaconda，cdua要好长的时间，重装下载好多次，浪费了3天才偶然爬出来，特此记录3天逝去无辜的青春。不想排版了，排版好的博客大把，我不必又重复人家的话再说一遍。
正文：
要安装的软件是以下5个：
- 微软VS2015
- Anaconda3-5.0.1 //一个非常大体积的python科学学习环境集合,2.3 G，安装和卸载都极耗费时间
- cuda9.0 //nvidia 程序的开发工具集合，安装2G+， 安装和卸载都极耗费时间
- cuDNN v7.0.5 //不用安装，一个压缩包，解压覆盖到相关位置即可
- tensorflow 1.8.0 //使用python安装的深度学习包，一般由官方编译出来，用户使用pip命令在线安装者从官方网下载文件后在本地安装
所需要的磁盘为25G左右。
安装的硬件环境：显卡能力具说参数要3.0以上，要么就无法使用cuDnn这种神经网络加速包，其实我的老显卡也只有3.0的水平，运行速度也是挺慢的。。。其实无所谓，只要电脑是nvidia的显卡就行了。
步骤：
1 微软VS2015
首先安装的一定是VS,版本一定为VS2015。选择自定义，点击下一步，记得在编程语言（Programming Languages）中只需安装C++组件，点击下一步，安装位置可以自选，其他全部按照默认。 安装这个软件，看别人博客上这个步骤的截图只花了3-4G的空间，但我电脑上提示要12G，实际安装后远不止12G，可能近20G，联网安装了近5个小时才算完，后面看网上说，可能不联网，安装会快点,另外我下载的是社区免费版本，看别人的是企业版本，也许企业体积会小很多吧，但不是免费，要用的话得破解。
2 CUDA
TensorFlow官网的安装指导要求先安装CUDA 9.0和cuDNN v7.0.X版本，这个是死配合，写这文章前没有选择余地。于是下载CUDA 9.0，选择对应版本的exe(local)安装包。下载地址，官网使用前要求你注册一个账户，并且后面还要填一个简略的个人信息表格才会给你下载。
安装过程，请一定关闭360这种杀毒软件，因为在安装软件自带的显卡版本的时候，会替换文件，杀毒软件会打乱安装，另外，无论默认安装还是自定义安装，为确保后面不出问题，都建议安装自带版本的显卡驱动，如果是比电脑新，覆盖就不会出问题，如果电脑版本比软件自带新，覆盖就会出问题，这时，可以选择停止安装，先删除电脑上的nvidia驱动，然后再重新运行CUDA的安装程序。当然也可以自定义选择不安装显卡驱动，有些博客上说过，但前提一定是电脑的版本比CUDA的要新，如果后面运行tensorflow报错，这里有可能是问题产生之一，我自己的电脑上，就是不安装，结果后面报错浪费了大量时间排错。如果你电脑很新，驱动很新，有可能不报这个种错误。
另外注意：默认安装已经将CUDA V9.0的安装目录添加到系统变量Path，因此不用再手动添加。 很多博客都说要配置，其实是CUDA V8.0才用，v8.0会有个x64位的文件夹下的lib没有配置进path,有些人写博客用V9.0也学着用V8.0也乱写一通，还有个别SB博客，把CUDA的Demo Sample的路径也配置进了path。。。
3 cuDNN
TensorFlow官网的安装指导推荐的是cuDNN v7.0.X，NVIDIA官网上版本选择为 v7.0.5，下载地址只有win7和win10版本，我的是win8.1,我选择了win7版本的下载，不要用win10版本的，解压后将三个文件夹复制到CUDA的安装目录（默认为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0）覆盖原有同名文件夹。
4 Anaconda
Anaconda是一个非常大体积的python科学学习环境集合,约2.3 G，安装和卸载都极耗费时间, 这里选择 3-5.0.1 ，下载地址，内部跑的是python3.6,如果是安装CUDA V8.0,就要安装Anaconda 4.2.0（python 3.5） ,因为CUDA V8.0不兼容python3.6。慢长的安装完后，官方给的建议是用Anaconda的Anaconda Navigator创建一个干净的独立空间来进行后续操作，把Tensorflow的包统一只放到这个空间内，当然，不创建直接放总空间也是可以的。
创建空间方法，在菜单中到到Anaconda Navigator，点击如下三处，创建独立安装空间
使用空间
方法一，在Anaconda Navigator点击空间激活
方法二：在命令行下，输入命令”activate 空间名”，进行激活
5 Tensorflow
这里有别人博客中有好多种方法，本地安装和网络安装，我都试过，最后一次是网络安装成功的，另外好多博客中讲CUDA V9.0配的是Tensorflow V1.5.0，其实这个版本并不好，我之前，还特地加了版本号模式安装，后面发现这个版本老是会报我的CPU不符合当前安装包，什么AX之类警告，或者严重点出现库丢失，最后还是用如下网络命令安装好了，这个包也就80多M，只要网速好点，没什么关系，它会给你升级到最新的兼容版本，这里这个时间2018/6/,它给升级到了Tensorflow V1.8.0,升级后什么报错都没有了。下面命令如果之前用Anaconda Navigator创建了工作间的，可以先换到工作间当中，如果没有独立的工作间也就算了，直接安装吧
pip install –upgrade tensorflow-gpu
安装完后，使用如下两段测试代码测试一下:
|
1 2 |
>>>import tensorflow as tf >>>sess=tf.Session() |
如果出现如下结果，说明，安装Tensorflow环境成功了！
安装大坑:
如果最后运行出错，一定回头看这几个大坑。
- 网上好多都是win10，少部分使用win7，偶尔有人会使用win8.1,因为cuDNN只有win7,win10版本的，这里我试了很多遍，如果你是win8,可以用win7版本的，但千万不要用win10的，到最后运行深度学习代码的时候，会报错。。
- 深度学习的nvidia的win环境是由4家公司一起搞出来的，win+python+nvidia+google，版本兼容性奇差无比，我原来是随便搭配的，各软件之间的版本号稍微有点出入，就轻则提示安装不了，重则等你花费2小时安装好环境后，运行报错吐你几口老血。另外要说的是，我使用的组合是Anaconda3-5.0.1+cdua9.0+cuDNN v7.0.5+tensorflow 1.8.0，现在2018/6月是可以运行的，也许再过几个月，重新安装，这个组合就不一定能运行得起代码，这是我看了10来个博客写的环境配置文章得出的结论，因为版本里边tensorflow这个软件包是个变量，经常更新，不指定安装版本的话，安装命令一定会使用最新的，但最新的不一定兼容自己的其他3个软件，像我电脑上，用别人博客上最常用的组合Anaconda3-.0.1+cdua9.0+cuDNNv7.0.5+tensorflow1.5.0 ，在我笔记本上就报各种警告缺各种dll库，步骤和他们一模一样，结果就是不行，一度怀疑人生，我忽略了一点，就算组合和步骤一样，但系统版本不一样，电脑硬件不一样，结果也可能不一样的，新电脑尤其好安装，这就是为什么别人安装全程顺风顺水安装无错，我旧电脑各种问题。
- 这第3个坑是最大的，所有安装完后，在python简单运行下面两行tensorflow命令测试:
-
12>>>import tensorflow as tf>>>sess=tf.Session()
- 电脑会直接死机，100%死，在网上找了一天的资料，发现基本上没人碰到这种问题，要么直接是第1行就出问题了，比如安装错版本了，我的第2个坑就是结果。第2行出问题的人，基本没有。
- 后来网上查到有个人发了在csdn博客，只有一段话，说自己win7 64电脑一运行tensorflow程序就死机，然后想偶然间把电脑上的显卡驱动升级到最新，就可以运行OK了。顺着这个方向我理了一下这3天的思路，我当是安装了很多次环境，组合和当时安装情况是这样的：
-
- Anaconda3-5.0.1+cuda9.2+cuDNN(应该是随便找的一个最新win10版本)+tensorflow 1.8.0,显卡驱动直接覆盖安装 –结果，安装tensorflow的时候，提示没有合适的安装环境。
- Anaconda3-4.2.0+cuda_8.0.61+ cudnn-8.0-windows10+ tensorflow 1.4.0 ,显卡驱动不安装，–结果，运行tensorflow代码第1行的时候，报库错误
- Anaconda3-5.0.1+cuda9.0+cuDNN v7.0.5+tensorflow 1.5.0 ,显卡驱动不安装,–结果，运行tensorflow代码第2行的时候，报编译出来的版本不兼容CPU警告+死机
- Anaconda3-5.0.1+cuda9.0+cuDNN v7.0.5+tensorflow 1.8.0 ,显卡驱动不安装,–结果，运行tensorflow代码第2行的时候，不报cpu兼容警告了+但还是死机
- 好了，看来CUDA提供的显卡驱动还是要覆盖安装，之所以我不安装，是看了几个人写的博客，说是如果驱动版本比机器旧可以不安装，或者直接说可以不安装，用本机原来自带的，另外覆盖安装原显卡驱动的时候，360连续地弹警告框，说危险行为之类，导致我在之前几次安装环境中，直接选择了自定义安装CUDA，不安装里边提供的显卡驱动，所以后面产生悲剧了。于是这次用这种组合： Anaconda3-5.0.1+cuda9.0+cuDNN v7.0.5+tensorflow 1.8.0 ,安装里边的显卡驱动，覆盖原先的显卡驱动，结果，两行代码均执行OK！！！！
PS:最后，真心羡慕哪些使用新电脑新显卡新CPUGPU，并且显卡能力>5.0的人，这些人写的关于搭建深度学习环境博客文章其实对使用旧电脑的观众半点用没有，描写简单粗暴的几个步骤，千篇一律，所有的问题都在新设备新驱动面前掩盖了。
在安装win8.1环境的深度学习后，我又看了博客《deepin linux 15.5 + 小米笔记本pro 下的深度学习环境tensorflow-gpu 1.4版本搭建过程》在电脑上安装了另外一个系统deepin15.5,用这博客上的这篇文章进行配置深度学习环境，出乎意料地顺利和简单，几行命令过去，什么都给你下载安装好了，选中科大的软件源，命令行下载安装速度飞快，甚至python都是2.7.x的都可以跑起来。。。真心感觉，除了要使用微软全家桶开发win程序或者开发腾讯家的小程序(没给做Linux版本下的开发工具)，做PS外，还有什么必要使用win???
