在Windows10下为Tensorflow开启GPU加速
前言
近些日子，笔者在某个机器学习比赛中使用到了神经网络模型，而神经网络出名的一大特点便是可以利用显卡进行计算。然而在模型部署完成后，本人却发现其并未调用电脑上的显卡。于是，在经过本人一系列查找后，这一问题得到了解决。而由于本人记忆能力几乎为零，什么资料看过后第二天基本就都忘记了，为了避免日后配置新环境时的重复搜寻，本人在这篇博文中记录下过程，方便未来参考。
首先需要声明的是，本人电脑上显卡装的是N卡，如果用的是A卡，则需要另外找教程进行参考配置。
确定版本
原则上来说，针对不同的Tensorflow版本，后文中的每一个部分中的驱动/软件都需要选取不同的版本。然而，作为折腾党，本人用的都是最新版，因此不需要这一步操作。
如果日后用到了需要特定版本的流程，那么我也会将过程更新在这一部分。
安装 Microsoft Visual Studio
可能是Tensorflow用到了C语言，需要用它进行编译缘故，当然也可能是别的什么原因，总之我们需要安装VS Studio。
不过话说回来，会写码的人应该电脑里是必备VS Studio的罢，无论如何，我还是把这一步记录在这。
在这个链接 处可以下载到最新版的VS Studio，下载完成后一路默认安装即可。
安装 NVIDIA CUDA toolkit
在这个链接 处可以下载到全套的N卡驱动以及CUDA，找到需要的版本下载然后默认安装即可。
安装cuDNN
cuDNN的下载及安装稍微麻烦一点：`
首先是下载，在这个链接 处。然而下载前需要加入什么开发计划，总之就是需要注册一个Nvidia账号，然后填一些问卷，然后便能看到下载链接，选中版本下载即可。
下载完成后，还需进行如下操作：
将文件解压，复制其中的bin, include, lib三个文件，然后将其黏贴至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v_xx.x中。
将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v_xx.x\libnvvp以及C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v_xx.x\bin两个路径添加至系统变量Path中，这里就不细表了。
重新安装Tensorflow
这一步不一定是必须，但重新安装总是让人感觉心安些。
1 | pip uninstall tensorflow |
然后使用如下代码查看Tensorflow是否检测到了显卡：
1 | print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU'))) |
如果显示为设备上的显卡数量（如：1）则为配置成功。