5.3 Tensorflow-gpu安装
5.3.1 Tensorflow-gpu了解最新版本情况
先在Tensorflow官网查看Tensorflow-gpu最新的安装情况（https://tensorflow.google.cn/install/gpu），如图5.3所示。
图5.3 Tensorflow-gpu版本的最新情况
一般来说，比较新的英伟达（NVIDIA）的GPU都可以支持。这里要注意的是CUDA的版本和cuDNN的版本。如我们在图5.3中看到的Tensorflow-gpu版本需要安装CUDA 10.1的版本，cuDNN的版本要求7.6以上。如果Tensorflow出了更新的版本，对应的CUDA和cuDNN的版本可能也会发生变化。
5.3.2 Tensorflow-gpu安装CUDA
CUDA（Compute Unified Device Architecture）是英伟达（NVIDIA）推出的运算平台，是一种通用的并行计算机构，可以使得GPU能够解决复杂的计算问题。CUDA的下载的地址为：https://developer.nvidia.com/cuda-toolkit-archive，如图5.4所示。
图5.4 不同版本的CUDA的下载
例如，我们想下载CUDA 10.1，可以单击“CUDA Toolkit 10.1”。如果单击其右侧的“Online Documentation”，则可以查看关于CUDA安装的一些说明。图5.5为CUDA 10.1对于Windows环境的一些要求。
图5.5 CUDA 10.1对Windows环境的一些要求
从图5.5中我们可以看到，CUDA 10.1要求的Windows系统在Table1中，比较常用的系统都可以满足。另外，在Table2中我们看到安装CUDA 10.1之前还需要安装Visual Studio，推荐安装Visual Studio 15或Visual Studio 17版本。
如图5.6所示为CUDA 10.1对于Linux环境的一些要求。
图5.6 CUDA 10.1对于Linux环境的一些要求
准备好CUDA 10.1要求的环境以后，我们进入CUDA下载界面，并根据情况做好选择，最后单击“Downdload（2.4GB）”按钮，如图5.7所示。
图5.7 下载CUDA
安装过程很简单，跟普通软件一样。
5.3.3 Tensorflow-gpu安装cuDNN库
cuDNN的全称为NVIDIA CUDA® Deep Neural Network library，是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计的基于GPU的加速库。cuDNN为深度神经网络中的标准流程提供了高度优化的实现方式，如convolution、pooling、normalization，以及activation layers的前向和后向过程。
cuDNN的下载地址为https://developer.nvidia.com/cudnn。下载之前需要注册。Tensorflow的GPU版本对cuDNN的版本是有严格要求的，前面我们看到，目前Tensorflow 2支持的是cuDNN 7.6以上版本。
进入下载地址后，选择对应CUDA 10.1版本和对应操作系统的cuDNN进行下载，如图5.8所示。
图5.8 下载cuDNN
下载好cuDNN之后，可以得到一个压缩包，解压完该压缩包之后可以看到3个文件夹，我们要做的就是把这3个文件夹中的内容复制到CUDA安装目录下面所对应的3个文件夹中，如图5.9所示（这是我之前配置CUDA 9.0和对应cuDNN时的图，其他版本的CUDA和cuDNN也一样）。
图5.9 配置cuDNN
5.3.4 Tensorflow-gpu在线安装
用管理员方式打开命令提示符，执行命令：
5.3.5 Tensorflow-gpu卸载
如果已经安装好了Tensorflow，想要卸载，可以用管理员方式打开命令行，执行命令：
5.3.6 Tensorflow-gpu更新
如果已经安装过Tensorlfow，现在想把Tensorflow更新到最新版本，可以用管理员方式打开命令行，执行命令：
