[TOC]
介绍
tensorflow 0.12.0开始支持Windows下安装
环境要求
- Windows 10 64位
- python 3.5.3
- pip 9.0.1
- tensorflow 1.8.0
- cuda 9.0
- cudnn 7.0.5
其中对应版本关系是
| python | pip | tensorflow | cuda | cudnn |
|---|---|---|---|---|
| 3.5.3 | 9.0.1 | 1.8.0 | 9.0 | 7.0.5 |
| 3.5 | 9.0.1 | 1.2.0 | 8.0 | 5.1 |
注意，GPU 版本有版本兼容策略，必须对应上版本才可以使用
查看自己的设备是否支持 CUDA
https://developer.nvidia.com/cuda-gpus
安装Miniconda
下载地址
https://repo.continuum.io/miniconda/
这里使用的是 Miniconda2-4.3.11
https://repo.continuum.io/miniconda/Miniconda2-4.3.11-Windows-x86_64.exe
配置环境变量
Path 添加
C:\ProgramData\Miniconda2 为安装目录的话
C:\ProgramData\Miniconda2
C:\ProgramData\Miniconda2\Scripts
C:\ProgramData\Miniconda2\Library\bin
创建虚拟环境
需要管理员权限,执行
conda create -n tf python=3.5 anaconda
创建环境后
#
# To activate this environment, use:
# > source activate tensorflow
#
# To deactivate this environment, use:
# > source deactivate tensorflow
# 进入虚拟环境
activate tf
# 退出 虚拟环境
deactivate tf
- 移除环境
C:
cd C:\Anaconda2\envs
rd /s /q tf
# 或者
rm -rf tf
安装tensorflow
python 安装跳过需要检查
python3 -V
pip -V
pip -V
# 如果使用 pip3
pip3 install --upgrade tensorflow
# 安装有问题可以使用忽略依赖的方式
pip install --ignore-installed --upgrade $TF_PYTHON_URL
# win CPU版本
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.2.0-cp35-cp35m-win_amd64.whl
安装查看 https://www.tensorflow.org/install/install_windows
对应的TF新的发布包点击查看
安装GPU版本
# 最新版本
pip install --upgrade tensorflow-gpu
# 如果使用 pip3
pip3 install --upgrade tensorflow-gpu
# 历史版本
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.2.0-cp35-cp35m-win_amd64.whl
如果使用GPU版本还需要安装CUDA
https://developer.nvidia.com/cuda-toolkit-archive
目前使用 cuda 9.0
安装完成后测试
$nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:32_Central_Daylight_Time_2017
Cuda compilation tools, release 9.0, V9.0.176
https://developer.nvidia.com/cudnn
# Download cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.0_20180516/cudnn-9.0-windows10-x64-v7.1
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.0_20180516/Ubuntu16_04-x64/libcudnn7_7.1.4.18-1_cuda9.0_amd64
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.0_20180516/Ubuntu16_04-x64/libcudnn7-dev_7.1.4.18-1_cuda9.0_amd64
# Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-linux-x64-v6.0-tgz
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-windows10-x64-v6.0-zip
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-osx-x64-v6.0-tgz
安装CuDnn，将cuDNN下载以后解压，你会发现 cuda的文件夹下面有
bin、include、lib三个文件夹
将这个三个文件夹复制到CUDA8.0安装文件夹下，比如如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
配置 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin到环境变量PATH，这步，一般在安装 cuda 时就已经完成
gpu使用情况查看 需要配置 C:\Program Files\NVIDIA Corporation\NVSMI 到系统环境变量 PATH
nvidia-smi -l
测试tensorflow配置
hello_tensorflow.py
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
num_a = tf.constant(10)
num_b = tf.constant(32)
print(sess.run(num_a + num_b))
python3 hello_tensorflow.py
Pycharm 中使用miniconda创建的虚拟环境
- 还是打开工程，代码会报错，无视之，按快捷键
cmd+,进入设置
输入Project Interpreter - 点击右边页面最右边的齿轮，选择
Add Local - 在
miniconda的安装目录下寻找envs，里面有你创建的虚拟环境(比如前面创建的tf)，展开环境文件夹 - 选择的子目录中
bin文件夹，展开 - 找到
python3或者python，点击Ok
然后就是几分钟的索引时间，然后你就可以在pycharm中使用虚拟机环境了
Pycharm开发tensorflow注意事项
- jvm内存配置高一点，不然IDE会内存不足崩溃
- 把训练资源目录
右键，Mark Directory as选择Exclusion,这样防止卡顿
