最近在学习台大李宏毅老师的ML/DL的网课，学到CNN那一章想着做一下作业3（用CNN实现一个11种食物分类的模型），模型搭建好后跑了一下，结果要一个多小时才能出结果，而且准确率还不是很高（53%左右），遂想修改下模型，但实在是耗不起时间（毕竟我训练模型的那一个多小时都在打王者）。

所以决定下个GPU版本的tensorflow来训练模型，期间踩了很多坑，写这篇博客一方面记录一下踩的坑，一方面希望能为像我一样的初学者节省些时间。

P.s:原来要训练一个小时的模型，使用GPU只要不到3分钟，真香！

安装步骤网上有很多了，这里就不再废话了。以下两个博客都是在Anaconda环境下安装的，很方便，综合参考就可以。

博客1 博客2

但是我要说一点，这两个博客在安装CUDA时都用的自定义安装，我个人尝试第一种精简版的就可以（第一次我是用自定义安装时莫名其妙把我的显卡驱动给删了，让我又下了一遍）。当然，如果你很清楚自己需要安装些什么，也可以选择自定义。

终于安装好了，一跑模型发现速度没两样，打开任务管理器一看CPU利用率100%，满脸黑线。

而且我还用网上的各种方法测试，都显示GPU可用。感到非常困惑！

为什么会这样？可以从以下两个方面检查一下。

1. 之前安装有cpu版本的tensorflow且版本高于gpu版本

如果你的环境中已经安装有cpu版本的tensorflow，然后你又安装了tensorflow-gpu，且cpu版本高于gpu版本的话，环境会优先使用cpu版本的tensorflow。

如何查看哪个版本高呢？ 进入cmd命令行，输入：

conda list

可以查看根环境中安装的所有包，你看看tensorflow的版本是否高于tensorflow-gpu。如果高的话直接把tensorflow的包给删了就行，有tensorflow-gpu就够了。

2. 进入NAVIDA 控制面板设置一下

其实我进行完步骤1还是不行，还是在用CPU训练。这时可以打开NVIDA 控制面板，按下图设置一下。设置完之后我再跑模型，就是用的GPU了。速度贼快！