本篇内容：配置好谷歌开源bert运行环境。开源地址：https://github.com/google-research/bert

关于BERT的介绍就不多说了，直接看我们将配置的环境：

• tensorflow_gpu 1.11.0
• CUDA 9
• cudnn 7
• python 3.6

注意，这些环境都是一一对应的，不能乱下。如果想下载其他版本，附上对照表链接：https://blog.csdn.net/qq_27825451/article/details/89082978

配置好后，就可以运行google-bert模型了，当然要跑起来还需要设置参数什么的，这部分之后再说。

注意：tensorflow_gpu版本需要你的电脑有NVIDIA GPU，否则只能跑tensorflow_cpu版本。选择GPU版本，当然是因为用空闲的GPU能提高模型的运行速度了。

满足这上面的所有要求，就可以往下继续了，很快啊。

一、安装CUDA和cudnn

从官网下载的话太慢了。我在网上找到了网盘下载渠道。直接放博客链接：https://blog.csdn.net/weixin_44240118/article/details/104545166

1、安装CUDA的坑

下载完CUDA后是一个可执行文件，双击进入安装界面。需要注意：在安装时，选择自定义安装，并且取消勾选Visual Studio。见下图（搬运的他人博客图）

2、安装cudnn

下载完cudnn后解压，这只是一个文件，文件内容如下：

复制这些文件，粘贴到CUDA的安装目录下（文件不会被替换，全都是新添加）。弄好后，CUDA安装目录下应该是这个样子：

3、添加系统环境变量

在安装CUDA的时候，系统环境变量都被自动添加了。但是还有一个需要我们手动添加，如下图：

照着你们自己的环境变量，很容易就能知道怎么添加了吧。这里有一点这三个环境变量都要放在最上面，是否必须这么做我不知道，但是放在最上面总没错。

二、Anaconda安装

这里只要用Anaconda就很方便了。在官网下载好像也挺快的（也可以去清华镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ），下载网址：https://www.anaconda.com/products/individual#Downloads

选择win10 64位版本就是常识了。注意安装时要选上添加到环境变量。

下面的操作一气呵成（打开win10命令行）：

• 为了解决conda的install太慢的问题，执行如下语句（一劳永逸）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

• 在命令行输入：conda create -n tensorflow_gpu python=3.6。中间会有让你确认的选项，输入y就行了。
• 激活环境：activate tensorflow_gpu。激活后，在当前目录前会显示(tensorflow)字样，就像：(tensorflow_gpu) C:\Users\w>。之后我们跑bert模型时，每次都要激活一下。
• 安装必要的库（我不知道这一步是否必须，但是执行总是没坏事）：conda install anaconda
• 执行：conda install tensorflow-gpu
• 下载对应版本的tensorflow_gpu：pip install tensorflow-gpu=1.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

三、验证

啊，很快啊，我们就把环境配置好了。现在验证一下我们的tensorflow_gpu能不能跑起来。

命令行输入下列命令：

>> activate tensorflow_gpu
>> python
>>> import tensorflow as tf
>>> hello1 = tf.constant('hello, tensorflow!')
>>> session = tf.Session()
>>> print(session.run(hello1))

如果看到了输出b'hello, tensorflow!'说明配置成功。
在import tensorflow时可能会有一些Waring跑出来，上网自己查查很快就解决了。

四、琐碎

• 如果发现安装了错误版本的tensorflow，执行pip uninstall tensorflow_gpu重新安装就可以了。
• 安装过程如果发现太慢，找一下有没有镜像！！
• 如果下了多版本python，一定要注意pip指令的使用！不同的python版本对应不同的tensorflow，多个pip添加到环境变量中的话，系统只会找第一个。