网上大多数介绍安装TensorFlow的文章,都让你安装Docker。而今TensorFlow已经原生支持Windows平台了。本文介绍如何在Windows平台上安装Tensor Flow,以及GPU支持。
1 安装NVIDIA相关软件
- DirectX SDK
- CUDA Drivers
- CUDNN-CUDA for Deep Neural Networks
(1)首先安装DirectX SDK(June 2010)
如果安装过程中提示Error Code: S1023,则需要打开控制面板,将Microsoft Visual C++ 2010 x86 Redistributable-10.0.xxxx和Microsoft Visual C++ 2010 x64 Redistributable-10.0.xxxx卸载,再重新安装即可。
(2)安装CUDA Driver
这里,CUDA的下载网址为官网地址,可按下图所示选择所需版本。我选择的版本为cuda_8.0.44_win10.exe,大小约1.2GB,可以使用迅雷等下载工具下载。
下载完成后,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。
(3)安装cuDNN
从官网下载cuDNN,下载时会提示你登录或注册一个NVIDIA账号,注册完成或登陆以后即可下载。我下载的版本是cudnn-8.0-windows-x64-v5.1.zip。这是一个压缩包,里面的有bin、include和lib三个子文件夹,每个子文件夹里有一个文件。这里可以将这三个小文件分别拖放到CUDA安装路径下的文件夹下,如将cudnn64_5.dll放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin里。
2 安装Python包
- Anaconda3
- TensorFlow
(1)安装Anaconda3
Anaconda是Python的一个科学计算发行包。TensorFlow在Windows平台上只支持Pythoon3.4和3.5版本,所里这里下载的是Anaconda3-4.2.0-Windows-x86_64.exe。按照提示安装即可。
(2)安装TensorFlow
官网下载TensorFlow慢,可以从这里下载TensorFlow的安装包tensorflow‑0.12.1‑cp35‑cp35m‑win_amd64.whl或tensorflow_gpu‑0.12.1‑cp35‑cp35m‑win_amd64.whl。然后Win+R,CMD,打开命令行窗口,cd到安装包的路径,然后使用pip安装即可。
3 测试
使用TensorFlow官方提供的Python示例代码进行测试。代码如下:
import tensorflow as tf
import numpy as np
# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3
# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but TensorFlow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# Before starting, initialize the variables. We will 'run' this first.
init = tf.global_variables_initializer()
# Launch the graph.
sess = tf.Session()
sess.run(init)
# Fit the line.
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step, sess.run(W), sess.run(b))
# Learns best fit is W: [0.1], b: [0.3]
如果一切正常,则应该出现如下结果。