Window7-Anaconda-TensorFlow

Windows下深度学习环境配置

特别提醒，linux 基本一致！

本文由笔者整理以及个人的经验总结而来，保留查看的认为有较大查看价值的连接，并且尊重原作者劳动。

关于caffe，CUDA和cuDNN的安装该文有说明：https://www.cnblogs.com/songxingzhu/p/6018435.html

本人不再炒冷饭，只做个人认为的重要部分的一些补充说明。

caffe的安装

• caffe是一个开源项目，官网http://caffe.berkeleyvision.org/，GitHub:https://github.com/BVLC/caffe/。

• 是一个轻量的处理图像框架–也就是说一套图像处理的流程模型，个人使用需要下载并且编译，github有生成的，而且有人使用证明比自己生成的运行速度更快。

CUDA与cuDNN的安装

• 下载地址：CUDA：https://developer.nvidia.com/cuda-downloads
• 下载地址：cuDNN：https://developer.nvidia.com/cudnn，需要登录账号，没有就注册后再登录。
• cuDNN使用方法：or uDNN的安装，是将解压的文件解压的三个文件夹覆盖到CUDA安装的同名文件夹下。

TensorFlow的安装

具体的可以参看该文章：https://www.cnblogs.com/lvsling/p/8672404.html

该文章较为详细的接受了在windows下对TensorFlow的安装问题!

• 此时，需要下载anaconda，并且已经安装好了，具体的安装过程不再赘述。

• 安装TensorFlow的一步:修改连接到的服务器镜像，因为GFW的问题，无法访问到国外的服务器.

# 修改指向的服务器地址：清华镜像服务器.
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 中科大的位置.
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

文件位置为：<C:\Users\用户名\.condarc>

• 在Anaconda Prompt中输入：

# 创建一个conda环境，名称为：TensorFlow，由于对python支持性的问题.

# 不同的python3版本也是不兼容的，至少本人试过python=3.7.1，框架运行时不行的。
　conda create -n tensorflow python=3.6

此时完成之后：只是创建一个conda的环境，还未正式安装TensorFlow！

开始从镜像下载安装TensorFlow.

• 方式一：

  # cpu版本，比如cp35，指的是c语言写的python解释器，版本3.6，版本要求严格，不得随便修
  # 使用清华镜像，直接定位到文件安装.
  pip install https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.2.1-cp36-cp36m-win_amd64.whl
  
  # 使用中科大镜像，直接定位文件安装，该镜像不稳定，可能不存在.
  https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.2.1-cp36-cp36m-win_amd64.whl
  
  """与上文有些不一样，主要是清华镜像位置的改变，其余一致，其实还有一种方式安装.
  直接下载xxx.whl文件.
  然后使用运行:pip3 install tensorflow_gpu-1.2.1-cp36-cp36m-win_amd64.whl亦可.
  若无法检测到pip3语法，可以先pip升级即可解决.
  """
  

• 方式二：上述并不是我最喜欢的方式个人最喜欢方式如下：

  pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.5
  # Ubuntu下pip3没有什么问题，只是python3的标识，但是windows使用pip！！！！
  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.5
  

• pip升级命令行如下：

  python -m pip install -U pip
  

• 特别提醒：若是高版本的不支持，请尽量查看版本对应号，进行安装，比如python最高的只有3.6，所以最新的3.7版本是不可用的----本文底部版本对应问题。

• linux下与windows几乎一致，只不过源文件所在镜像服务器的位置不同，不想记忆请使用方法二！

• 若3.6版本不可用，请试用3.5版本…

• 此时已经安装CPU版本已经完成，但是推荐下面一种合理的安装方式.

推荐的安装TensorFlow的方式.

熟悉了上面的步骤，下面可以稍微快一点。

安装CPU版本的方式-Anaconda程序的Anaconda Prompt.

# 创建环境.
conda create -n tensorflow python=3.6

# 输入y继续安装.

# 激活/切换到使用环境.
conda activate tensorflow 

# 升级pip,然后继续安装继续安装
python -m pip install -U pip
pip install tensorflow

# 安装完成，相对之前的不指定具体的文件，相对比较省事.

# 可能需要的安装...
conda install scipy

# 若出现错误，可以更新到最新，但是不建议，除非你肯定你的cdua+cudnn是最新的.
pip install --upgrade tensorflow.

# or带版本号安装，速度慢，建议使用第二行,我推荐1.5版本！新电脑可以最新版...
pip install tensorflow==1.2.0
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.2

安装GPU版本的方式-Anaconda程序的Anaconda Prompt.

# 利用GPU的运算能力可以较快的运算，但是有GPU算力是有要求的，最低3.5，比如GTX 660还是算了吧，GTX 660算力3.0，GTX 750(ti) 5.0，GTX 1080(ti) 6.1

# 安装CUDA+cuDNN...

# 安装TensorFlow-gpu,带版本号.
pip install --ignore-installed --upgrade tensorflow-gpu ==1.2.0

• 提示：可以安装1.3版本，最好不要。
• N-游戏卡-GPU算力查看位置：https://developer.nvidia.com/cuda-gpus
• 比如: 660不行，750神卡，不到3.5不建议用GPU，几乎没区别… …

Tensorflow环境使用

• 激活切换到使用环境.

  conda activate tensorflow-gpu
  

  • 使用方法：

  比如我有一个项目，在D:\Pycharm\MyFiles\Demo目录下，该目录下有main函数：evaluate.py,当然也可以有其他的主函数如：classtype.py…

  # 切换到项目主目录下，可以一步步切换，也可以直接到主目录下，再手动打开cmd.
  
  # 启用TensorFlow环境,其实这只是一个名称，具体取决于当时安装的位置.
  conda activate tensorflow
  
  # 即可运行，有参数可以加在后面.
  python evaluate.py
  
  # 若带参数的运行python文件.
  python evaluate.py 我是参数我是参数
  

  写在最后：安装请查看TensorFlow对应的版本支持性，请滑到网页底部！！！

  https://tensorflow.google.cn/install/source_windows