今天终于搞到一台带1080独显的PC，之前一直用CPU训练，效率极其低下。训练tensorflow-yolov3这个网络模型，图集400张，4个分类，要训练十多个小时才能看到检出效果，现在可以尝试使用GPU训练了。
之前对GPU训练还不太了解，以为要改代码，现在才知道，其实不需要的。
关键就是搭建好cuda环境
-
NVIDIA显卡驱动
（https://www.nvidia.cn/Download/index.aspx?lang=cn#）
在这里插入图片描述 -
CUDA，GPU编程工具包，用于调用GPU，(不少文章提到需要先安装visual studio，感觉不用也行)
（https://developer.nvidia.com/cuda-toolkit-archive）
在这里插入图片描述
下载下来一步步安装即可。安装完可在终端输入nvcc -V检查是否安装成功（前提是path设置好，正常会自动设置的）
在这里插入图片描述
- cuDNN，专门为加速深度神经网络设计的cuda扩展库
(https://developer.nvidia.com/rdp/cudnn-download)
cuDNN的安装方式很简单，下载下来解压，拷贝到cuda对应版本的根目录下即可
C:\Users\dvlee>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2018 NVIDIA Corporation
Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018
Cuda compilation tools, release 10.0, V10.0.130
- 安装python库，
tensorflow-gpu
我删除了cpu版的tensorflow，重新安装了gpu版的库。在pycharm的库管理里直接搜索安装。
以上四点的版本号要对应上，我使用的tensorflow-gpu版本为1.14，显卡驱动419.17，cuda和cudnn用10.0的版本。发现驱动版本低了，需要升级下版本。
遇到的几个问题，
AttributeError: module 'tensorflow' has no attribute 'constant'
这个问题，我记得重新安装tensorflow-gpu，重启了下pycharm即可CUDA driver version is insufficient for CUDA runtime version
显卡驱动版本跟cuda版本对不上显卡驱动折腾了很久，用了很多方式，一直提示无法升级，后来又莫名其妙的好了
在这里插入图片描述
