win10下Tensorflow-GPU1.8.0安装配置全攻略（MX250+CUDA9.0+CUDNN）

"这篇文档是关于一个本科毕业设计说明书，主要涉及了温度采集系统，使用51单片机、nRF905无线通信技术以及DS1820温度传感器。设计包括了单片机的选择、硬件电路设计，特别是温度传感器的分辨率关系以及在Windows 10环境下安装和使用TensorFlow GPU 1.8.0与Python 3.6的详细过程，同时考虑了显卡MX250、CUDA 9.0和CuDNN的配置。" 在本设计中，DS1820温度传感器的分辨率通过表3.1得到了详细阐述。表中列出了分辨率与最大转换时间的关系，分辨率从9到12位，分别对应最大转换时间93.75us到750us。这种传感器的高速暂存存储器由9个字节构成，其中温度值以二字节的补码形式存储在第0和第1个字节。读取数据时，低位在前，高位在后。计算温度时，根据符号位S，若S为0，则直接将二进制转换为十进制；若S为1，则需要先将补码转为原码后再进行计算。 表3.2展示了DS1820存储器的结构，包括温度的低字节(LSB)、高字节(MSB)、TH和TL寄存器，还有保留区域和计数寄存器，以及8位CRC用于数据校验。在电路设计中，DS1820采用外部供电，可以挂载在一根数据总线上，但考虑到功耗和数据传输稳定性，实际应用建议不要超过25个设备，并且总线长度不宜超过80米。解决方法是采用单片机的多个I/O口驱动多路DS1820，或者使用MOSFET增强I/O口的上拉能力。 此外，文档还提到了在Windows 10操作系统下，如何安装和配置TensorFlow GPU版本1.8.0以及其依赖的CUDA 9.0和CuDNN。这对于运行基于GPU的深度学习模型至关重要，因为MX250显卡支持CUDA计算，能够加速TensorFlow的计算过程。 整个设计以51单片机AT89S52为核心，它是一个8位微控制器，常用于嵌入式系统，具有丰富的功能和引脚。在硬件电路设计部分，不仅会有51单片机的相关介绍，还会详细描述如何连接和控制温度传感器以及无线通信模块nRF905，实现远程温度监测和数据传输。 这个项目结合了嵌入式系统、无线通信、温度传感和深度学习等多个领域的技术，旨在构建一个分布式、可扩展的温度采集系统，并利用TensorFlow进行数据处理和分析。