win10中安装tensorflow-0.12.1

本文首发在CSDN博客:http://blog.csdn.net/xxzhangx/article/details/54379255

前几天，谷歌推出了windows对tensorflow的支持，我参考下面两篇博文来安装了我的tensorflow。

为表示对原创作者的尊敬，先列出参考的文章。

参考文献
https://m.aliyun.com/yunqi/articles/68435
http://blog.csdn.net/zhuxiaoyang2000/article/details/54317206

第一步：安装CUDNN

这里选择的是cuda_8.0.44_win10，链接
为：https://developer.nvidia.com/cuda-downloads

网站截图：

cuda

1.18G，下载完后，直接安装，改为自定义方式，不用修改安装目录，就安装在C盘下，方便后面的文件操作。
或去我的百度云网盘下载：链接：http://pan.baidu.com/s/1c2KdNgO 密码：gwm1

第二步：编译cuda

说明
电脑必须安装Microsoft Visual Studio，10、12、13、15，这4个版本任意一个都可以。

VS编译器

安装完成后，打开Sample路径：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0，选择与本机Visual Studio相对应的Solution版本，这里选择的是Sample_vs2015.sln。然后分别编译Release和Debug版本。

编译过程

然后漫长的等待，对Release编译一次，然后切换到Debug下，编译一次。图中发现我的编译在某些库上报错了，其原因我也不知道，但是对后面的运行暂时没发现错误。

编译完成后，Win+R打开命令行窗口，cd C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release，运行deviceQuery，如果显示如下画面，则安装成功。

cuda编译测试

第三步：安装cuDNN

这里我不知道为什么要安装，在参考文章中有说要安装，那就根据别人成功的例子来，少踩坑。

版本号：cudnn-8.0-windows-x64-v5.1，这里可以直接用的，百度云链接：链接：http://pan.baidu.com/s/1gf9ior5 密码：so8m

我是将cudnn中的文件直接放在目录 C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0

cudnn

第四步：安装python

这里采用的是anaconda 4.2 python 3.5，下载网址：https://www.continuum.io/downloads

婀娜conda3 python 3.5

或者去我的百度云下载：链接：http://pan.baidu.com/s/1nuQqMPr 密码：gl4h

第五步：安装tensorflow

完全根据文章中的流程来做，链接https://m.aliyun.com/yunqi/articles/68435

下载完后安装好，然后打开cmd，切换到anaconda4的scripts下：cd E:\Anaconda3\Scripts，用conda create --name tensorflow python=3.5 创建环境，可在env下查看参加的tensorflow环境

tensorflow环境

依次执行下面的代码：

activate tensorflow
conda install jupyter
conda install scipy
pip install tensorflow

注意：每次提示都选择“y”或“是”，下载时最好能连上VPN，这样能保证下载稳定少出错。

下面依次贴图说明：

先激活tensorflow：

activate tensorflow

安装juypter
再继续输入：

conda install jupyter

图

安装juypter

安装常用的python包，例如scipy

安装python常用包

安装tensorflow

安装tensorflow

或直接下载到本地来安装，去https://pypi.python.org/pypi 搜索对应的版本：

tensorflow 非gpu: python 2.7 和 3.5

非gpu-tensorflow

tensorflow-gpu: python 3.5

gpu-tensorflow

本地安装

在juypter下测试:
打开juypter下测试MNIST 数据集

打开Notebook环境

测试代码：

import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))#结果

测试代码截图如下：