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

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，本文只演示怎么下载软件，如何安装请查看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的安装》，链接：https://www.jianshu.com/p/4ebaa78e0233
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.下载.Net FrameWork4.6

本文只演示怎么下载软件，如何安装请查看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的安装》，链接：https://www.jianshu.com/p/4ebaa78e0233
Microsoft出品，在Windows操作系统运行所有软件都依赖的.Net Framework库。
一般来说，安装Win10操作系统的时，会自动更新.Net Framework到较新版本，但是本文作者为了避免个别读者的软件版本较久，建议读者下载并安装.Net Framework4.6。
进入Windows官网，链接：https://www.microsoft.com，进入后页面如下图所示：

点击上图红色箭头标注处，出现搜索框，如下图所示。
在下图左边红色箭头标注处搜索框中输入内容Net Framework 4.6，然后点击右边红色箭头标注处的搜索按钮。

搜索的结果页面如下图所示，点击下图红色箭头标注处。
请读者注意，Offline中文叫做离线，我们需要下载Offline Installer版本。

下载页面的链接为：https://www.microsoft.com/en-us/download/details.aspx?id=53344
下载页面如下图所示，点击下图红色箭头标注处即可开始下载：

点击Download按钮，其实是向资源链接发起请求，所以直接访问资源链接同样可以开始下载任务。
下载链接：https://www.microsoft.com/en-us/download/confirmation.aspx?id=53344

3.下载CUDA9.0

本文只演示怎么下载软件，如何安装请查看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的安装》，链接：https://www.jianshu.com/p/4ebaa78e0233
进入Nvidia官网，链接：https://www.nvidia.com
Nvidia官网页面如下图所示，点击下图红色箭头标注处进入CUDA详情页面。

CUDA Zone页面如下图所示。
CUDA Zone中文叫做CUDA乐园，访问链接：https://developer.nvidia.com/cuda-zone
点击下图红色箭头标注处进入下载页面。

下载界面如下图所示，从图中我们可以看出最新CUDA版本是10.0。
选择下载CUDA9.0而不是CUDA10.0的原因：tensorflow_gpu库尚未发布与CUDA10.0对应的版本。
本文作者写作此文时间是2018年11月14日，此时市面上tensorflow_gpu版本大多容易与CUDA9.0相配合。
Legacy Releases中文叫做遗留版本，即旧版本CUDA的下载页面需要从此处进入。
点击下图红色箭头标注处，进入旧版本CUDA的下载页面。

旧版本CUDA的下载页面如下图所示。
点击下图红色箭头标注处，进入CUDA9.0的详情页面。

CUDA9.0的详情页面如下图所示，点击下图红色箭头标注处，选择Windows。

点击下图红色箭头标注处，选择10。

点击下图红色箭头标注处，选择exe(local)。

点击下图红色箭头标注处，选择Download(1.4 GB)。

在完成上面的步骤后，则开始下载。
本文作者在360浏览器中下载界面如下图所示。
文件总共1365.89MB，下载速度可以达到9.95M/s。

4.下载cudnn7.3

本文只演示怎么下载软件，如何安装请查看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的安装》，链接：https://www.jianshu.com/p/4ebaa78e0233
进入Nvidia官网，链接：https://www.nvidia.com
Nvidia官网页面如下图所示，点击下图红色箭头标注处进入CUDA详情页面。

CUDA Zone页面如下图所示。
CUDA Zone中文叫做CUDA乐园，访问链接：https://developer.nvidia.com/cuda-zone
点击下图红色箭头标注处，进入Accelerated Computing Toolkit页面。

Accelerated Computing Toolkit页面如下图所示。
Accelerated Computing Toolkit中文叫做加速计算组件，访问链接：https://developer.nvidia.com/accelerated-computing-toolkit
点击下图红色箭头标注处，进入cudnn详情页面。

cudnn详情页面如下图所示。
cudnn中的cu是CUDA的简写，dnn是deep neural network的简写，访问链接：https://developer.nvidia.com/cudnn。
点击下图红色箭头标注处，进入下载cudnn界面。

下载cudnn界面如下图所示。
Membership Required中文叫做要求会员资格，所以读者必须注册Nvidia账号并且登录。
如何注册和登录，本文作者不做演示。

登录后界面如下图所示，点击下图红色箭头标注处。

从图中可以看出， cudnn版本最新为7.4，本文作者演示如何下载7.3。
Archived releases中文叫做存档版本，点击下图红色箭头标注处。

点击下图红色箭头标注处，选择下载cudnn7.3.1 for CUDA9.0。

点击下图红色箭头标注处，选择下载cudnn7.3.1 for Windows 10。

在完成上面的步骤后，则开始下载。
本文作者在360浏览器中下载界面如下图所示。
文件总共177.84MB，下载速度可以达到3.27M/s。

5.下载tensorflow_gpu1.10

进入阿里云pypi镜像，链接：http://mirrors.aliyun.com/pypi/simple/
上面链接的页面内容如下图所示：

在上图页面中，页面中的安装包按照字母顺序升序显示。
本文作者将上图页面下拉到显示tensorflow_gpu包，并截图如下图所示。

点击上图红色箭头标注处，进入tensorflow_gpu库，界面如下：

本文作者将上图页面下拉到显示tensorflow_gpu1.10包，并截图如下图所示。
版本发布中的RC含义解释：RC=Release Candidate，含义是”发布候选版”，它不是最终的版本，而是最终版之前的版本。
本文作者使用的python版本是python3.6，建议读者也使用此版本。
既然在下图中带有rc的都不是最终版，只是候选版，选择不带rc的版本下载，点击下图红色箭头标注处则开始下载。

在完成上面的步骤后，则开始下载。
本文作者在360浏览器中下载界面如下图所示。
文件总共110.42MB，下载速度可以达到1.12M/s。

6.总结

1.本文非常详细地介绍了深度学习环境搭建必需的软件和库文件，如果读者有不懂可以留言。
2.下载是为安装做准备，想知道安装的详细步骤，请查看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的安装》，链接：https://www.jianshu.com/p/4ebaa78e0233