Windows上安装TensorFlow

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。