深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装

0.前言

本文作者接触深度学习2个月后，开始进行目标检测实践。

本文作者的专题《目标检测》链接：https://www.jianshu.com/c/fd1d6f784c1f

此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标检测，专题内容偏向于掌握技能，学会工具的使用。

本文作者尚未具备清楚讲述目标检测原理的能力，学习原理请自行另找文章。

1.不同操作系统的指引

本文中演示的操作系统是Win10。

如果要学习如何在Linux操作系统中下载和安装CUDA9.0、cudnn7.3、tensorflow_gpu1.10，请浏览本文作者的另外一篇文章《在谷歌云服务器上搭建深度学习平台》，链接：https://www.jianshu.com/p/893d622d1b5a

《在谷歌云服务器上搭建深度学习平台》这篇文章中有部分内容是如何建立和连接云虚拟机，这部分内容对于拥有Linux主机的读者是无用的。为了减少读者阅读无用内容的时间，本文作者声明，读者只需要阅读下面5个章节即可完成在Linux操作系统的深度学习环境搭建。

1. 第2章《在云虚拟机中安装Anaconda5.2》；
2. 第4章《在云虚拟机中安装Nvidia驱动》；
3. 第5章《在云虚拟机中安装CUDA9.0》；
4. 第6章《在云虚拟机中安装cuDNN7.1》；
5. 第7章《在云虚拟机中安装TensorFlow、Keras》

2.软件下载

百度云盘下载链接: https://pan.baidu.com/s/1nGUYr3AHyDJrKzcUctprVg 提取码: 1b66

本文作者在链接中上传了4个深度学习环境搭建所必需的文件，如下：

1. Microsoft出品，在Windows操作系统运行所有软件都依赖的.Net FrameWork库。
2. Nvidia出品，用于做并行计算的平台CUDA，版本为9.0，前提是电脑拥有Nvidia独立显卡。 在做深度学习实验时，建议最低配置也需要Nvidia GTX1060的6GB显存版本。 本文作者使用的是CUDA9.0，查看自己的电脑是否能够使用CUDA9.0，请查看本文作者的另外一篇文章《Windows系统查看CUDA版本号》，链接：https://cloud.tencent.com/developer/article/1351824
3. Nvidia出品，用于做深度学习加速计算的cuDNN库，版本为7.3。
4. Google出品，提供给开发人员的深度学习开发框架TensorFlow。 其有2个版本，cpu版和gpu版，本文要安装的是gpu版本，因为gpu版本是cpu版本运行速度的50倍。

在这篇文章当中，本文作者只演示如何安装软件，使读者能够以最快的速度使用上深度学习的GPU加速。学习如何从官网上下载这些软件，请阅读本文作者的另外一篇文章：《深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的下载》，链接：

​