window10 + cuda8.0+tensorflow 安装教程

目录

自从Tensorflow官方推了对windows版本的支持后,相信很多windows用户一定很开心,终于不用再去折腾破虚拟机、双系统这些个软东西了…。那么让我们开开心心的在windows上跑深度学习吧。呵呵……

先说一下我的电脑的基本配置:

  • 系统:Windows10
  • 显卡:Navida GTX970
  • 软件配置:VS2015 community,Anaconda 4.2.0(python3.5版本)

下面安装按照安装cuda8.0,cuDNN5.1,Anaconda 4.2,以及安装和测试tensorlow顺序一步一步来讲。


1 下载安装cuda8.0

先保证你的硬件支持cuda8.0,如果显卡太老的话不支持这个版本,还想要用GPU版本的tensorflow的话,那么就得从源码自行编译了,这样的话这篇文章可能对你就没有什么意义了。如果你的显卡支持,那么就请耐心一步一步按照下面的操作。

在安装cuda8.0之前需要保证先安装VS2015(vs12以后的好像也可以,但是我没有试过),好消息是VS2015 community已经对可以免费下载了,直接去window官网就ok了。

安装完vs2015 com之后,自行去下载Cuda8.0,截图如下:
cuda8.0下载你界面

cuda官方提供了很详细的安装教程,请按照步骤一步一步安装并测试(第一步直接点exe安装就可以,不需要像教材说的那样从命令行开始了),下载的安装包中还带了GPU的驱动,如果已经安装过的话可以选择不安装,但是我全部安装了。安装完成后按照cuda提供的安装指导,进行sample的测试,需要保证通过,要不然的后面的cuDNN也肯能不会成功。提示下,如果你刚下载的vs2015,在编译cuda自带samples时可能会要求下载一个额外的文件,同意就OK了,然后关闭vs2015从新编译。

2 下载cuDNN v5.1

自行百度cudnn 下载5.1版本,下载之前需要注册一个账号,然后Cuda会要求填一个问卷调查。下载之后打开如下。
这里写图片描述
分别将对应文件夹下面的内容拷贝到cuda8.0文件夹下面对应的位置,如下图所示:
这里写图片描述

3 下载安装Anaconda 4.2.0,(python3.5版本)

Anaconda 下载网站https://www.continuum.io/downloads, 由于我的Anaconda 4.2.0是之前安装好,所以这部分就木有安装截图啦(其实很简单…),安装完之后可以看到Anaconda已经为我们安装了很多的库,包括常用的numpy,panda,以及后面用于安装tensorflow的pip, 如果发现自己没有话,请自行搜索下载。
这里写图片描述

4 安装tensorlow

实际上谷歌提供了很详细的安装文档,有兴趣的话请参见网址
https://www.tensorflow.org/get_started/os_setup#anaconda_installation 下面的pip installation on windows安装指导。下面我们开始安装tensorflow:

· Step1: 运行cmd
· Step2: 输入指令,下载安装tensorflow,GPU版本输入如下命令:

pip install–ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.1-cp35-cp35m-win_amd64.whl

成功安装后的界面如下:
这里写图片描述

细心的吃瓜群众可能发现上述命令比官方给命令多了一个安装选项:–ignore-installed,这是因为我在没有加这个选项之前提示我出现不能清除easy-install.pth错误。当然如果你没有出现这个错误的话可以不加这个选项,如果出现了请加上,如果有对这个错误还有兴趣的话请参见网页https://github.com/ContinuumIO/anaconda-issues/issues/542

5 测试tensorlow

打开python3.5,记住要用Anconda下面的那个python,因为有可能你之前装过老版本的python。

先做一个小测试,代码如下:

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

注意,如果你安装的GPU版本的话,当输入import tensorflow as tf ,后应该会提示你一些GPU相关信息,如果是的话,那么恭喜你,基本上说明你已经成功了。

不放心的话,我们按照官方指导再测试一个tensorflow自带的模型mnist模型的例子,打开cmd,将当前文件夹切换到mnist所在的文件夹下,我的文件夹是D:\Program Files\Anaconda\Lib\site-packages\tensorflow\models\image\mnist。命令如下:

cd D:\Program Files\Anaconda\Lib\site-packages\tensorflow\models\image\mnist

然后键入如下脚本:

python convolutional.py

马上就可以看到开始下载数据,这样你在tensorflow上第一个神经网络就开始愉快的跑起来了,如下所示:
这里写图片描述

至此,你已经完成了整个安装步骤。

6 关于 CPU版本的tensorflow

我实际安装过程中,对GPU和CPU两个都进行了测试,发现两个的速度差别还真心是挺大的,下面贴出一个在CPU版本下跑mnits例子的截图吧:
这里写图片描述

可以看到在CPU中每一个batch中运行时间平均是GPU版本的10倍,所有有条件的同志还是建议上GPU的。

7 学习资源

最好的资源肯定还是去tensflow 官网一步一步学习,当时如果觉得英文费劲的话,可以先看看这个tensorflow的博客,挺多demo的,可以参考下:
http://blog.topspeedsnail.com/archives/11062

第一次写博客,描述不太清楚的地方请大家见谅,希望以后能出一些专业性的博文,与大家一同讨论学习。

展开阅读全文

没有更多推荐了,返回首页