文章目录
一、前言1.1 系统：1.2 显示适配器：1.3 软件：1.4 TensorFlow-GPU和CUDA版本二、驱动2.1 下载驱动2.2 安装驱动三、安装CUDA9.03.1 准备工作3.2 下载3.3 安装3.3.1 系统显卡和CUDA9.0兼容1）自定义2）精简3.3.2 系统显卡和CUDA9.0不兼容3.4 环境配置四、安装安装cuDnn4.1 下载4.2 安装五、安装TensorFlow-GUP一、前言
1.1 系统：
1.2 显示适配器：
1.3 软件：
1.4 TensorFlow-GPU和CUDA版本
目的是为了使用TensorFlow-GPU。
看了许多网络安装帖子，试了很多版本都有问题。
记录一下最终的过程。
本篇基于NVIDIA GeForce MX150 安装：
CUDA,cuDNN,Python3.6 (anaconda)TensorFlow-GPU
TensorFlow-GPU的安装和CUDA、CUDNN的安装顺序没有前后之分，所以建议先安装TensorFlow。在安装完TensorFlow之后，输入python进入Python环境，使用import TensorFlow as tf，这时会出现类似这样的错误。
这里会提示你安装对应的CUDA版本。
CUDA版本的选择可以参考你下载的TensorFlow，然后≤NVIDIA CUDA driver的版本，低于你的driver版本没关系，应该是可以向下兼容的。
TensorFlow版本和CUDA版本大致对应关系可参照下图:
二、驱动
英伟达的驱动下载地址：NVIDIA Driver Downloads
2.1 下载驱动
选择自己对应的版型信息：
所有NVIDIA驱动程序为顶级游戏和创造性应用程序提供完整的功能和应用支持。
如果您是一个优先考虑最新游戏、补丁和dll发布支持的玩家，请选择游戏就绪驱动程序
Game Ready Drivers。如果你是一名内容创造者，在视频编辑、动画、摄影、平面设计和直播等创意工作流程中，你最看重稳定性和质量，那么请选择
Studio Drivers。
点击SEARCH，会查找匹配的驱动器。
然后下载此驱动器。
本次下载内容包括 NVIDIA 显示驱动程序和 GeForce Experience 应用程序。
下载完成。
2.2 安装驱动
一路保持默认就好：
三、安装CUDA9.0
3.1 准备工作
查看电脑系统版本：WIN+R->输入winver：系统版本号必须高于1703,否则CUDA9.0难以运行。下载CUDA前，先确认GPU显卡所支持的CUDA版本:
NVIDIA控制面板——>帮助——>系统信息:
详细描述：TENSORFLOW：检查显卡支持哪个版本的CUDA
3.2 下载
下载地址：CUDA Toolkit Archive
如果显卡不是NVIDIA GeForce MX150 ，查看自己对于的CUDA：Your GPU Compute Capability
3.3 安装
可以自己选择地址：使用管理员权限安装。
自动检查系统兼容性：
3.3.1 系统显卡和CUDA9.0兼容
若如下图所示，说明已经兼容，点击同意：
1）自定义
注意：
可选选项：Display Drive。解释：CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。在Display Driver中的
当前版本显示当前电脑上安装的显卡驱动型号，新版本则是待安装的CUDA9所匹配的最低驱动版本385.54。比如下图所示，我的电脑目前驱动是456.74。这个数字大于385.54，说明本机版本更新一些。
如果你的
当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉；如果你的
当前版本低于CUDA想要安装的新版本，那么一定要勾选display driver，否则CUDA运行不了。
报错：No supported version of Visual Studio was found.
No supported version of Visual Studio was found. Some components of the CUDA Toolkit will not work properly. Please install Visual Studio first to get the full functionality.没有找到支持的Visual Studio版本。CUDA工具包的一些组件无法正常工作。请先安装Visual Studio以获得完整的功能。
没有查询到简单合适的解决方便。
问题原因：应该是我的Visual Studio版本太高，CUDA还没有跟上。所以若想解决此问题，可以尝试将VS，换成或者（不确定有用）。
解决方法：
可以将相关项目
Visual Studio Integration去掉勾选：继续安装，最终成功：
下图是我按照相同的方法安装CUDA10，最终成功安装时截得图。此块内容为后来补充的内容，推荐自定义安装。
可以参考
Windows10/MX150显卡安装TensorFlow-GPU-1.10Using CUDA with Visual Studio
2）精简
3.3.2 系统显卡和CUDA9.0不兼容
若出现这种问题：
推荐解决方案：
笔记本win10安装cuda9.0提示This graphics driver could not find compatible graphics hardware，并最终安装失败
安装CUDA时不识别显卡，提示This graphics driver could not find compatible graphics hardware
完美解决cuda安装 could not find compatible graphics hardware问题
Win10 安装Tensorflow-GPU版教程（附CUDA安装 could not fine compatible graphic hardware问题解答）
3.4 环境配置
安装成功后，我的电脑上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量:
在系统变量中添加如下几个变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIACorporation\CUDA Samples\v9.0CUDA_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
重启一下电脑，进入CMD：
四、安装安装cuDnn
cuDNN可以在GPU的基础上在提升1.5倍的速度，由NVIDIA开发，因此可以在官网中下载。
在官网下载需要先注册。
4.1 下载
下载与CUDA版本号对应的cuDNN。下载地址：cuDNN Archive
注意一定要与CUDA版本号对应。
点击Download cuDNN v7.6.5 (November 5th, ), for CUDA 9.0:
点击cuDNN Library for Windows 10
4.2 安装
下载完成后解压缩。里面有bin、include、lib三个目录
将三个文件夹内容复制到安装CUDA安装目录，覆盖对应文件夹内容：
CUDA默认文件夹在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
检查一下环境变量 我的电脑—> 属性—> 高级系统设置—> 环境变量—>系统变量中加入CUDA 的bin所在目录环境:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin：
五、安装TensorFlow-GUP
进入虚拟环境py36：
下载TensorFlow-GUP
pip install tensorflow-gpu==1.7.0
TensorFlow-GPU版本使用1.7.0或者1.7.0+
此外安装配套的Keras 2.2.4版本、numpy 1.16.版本。
测试：
from tensorflow.python.client import device_libprint(device_lib.list_local_devices())
NVIDIA GeForce MX150 的Win10安装TensorFlow-GPU教程
基于NVIDIA GeForce MX150 的Windows10安装TensorFlow-GPU详解
笔记本显卡mx150安装tensorflow-gpu进行机器学习的方法
