前言
入坑AI,安装TensorFlow学习深度学习,网上有很多安装方法,在这里仅记录我的安装方法以及在安装过程中踩到的各种坑,以便在以后因故重新安装时供自己回顾使用。(多图长文)
虽然在windows成功配置,但是建议在Linux系统上配置使用,Windows上面问题较多。
安装准备
软件准备:
1、python3.6 点这里下载Python
2、VS2015 点这里下载免费镜像VS2015
3、CUDA9.0 点这里下载cuda
4、cuDNN7.1 点这里下载cuDNN
5、anaconda3-5.0.0 点这里下载anaconda3
6、TensorFlow-gpu-1.11 点此下载TensorFlow(有很多版本)
在这里,我将要安装的各个部分都已经下载下来了,全部采取离线安装,可以节约一点时间(其实还是要很长时间的),请做好C盘损失将近40G内存的物理和心理准备。其中vs2015虽然可以选择部分安装和安装在其他路径 ,但是C盘还需要10G到30G空间。在CUDA安装过程中遇到很大的问题,有安装失败问题,也有安装成功但是NVIDIA控制面板无法打开的问题,在这里都做详细记录。
注意:首先查看自己硬件是否支持,如果选择其他版本安装,需要注意各个软件之间是否互相支持。
查看Python、TensorFlow、CUDA、cuDNN是否互相支持点这里 (最下方的一个表)
安装过程
因为一共有6部分需要安装,可以按照“软件准备”所列顺序依次安装 。
1、安装Python3.6
(1) 选择自定义安装,并且添加到环境变量。
(2)自定义安装路径
(3)验证Python是否安装成功。打开cmd输入python。
2、安装VS2015
vs2015安装过程比较缓慢,大概要40分钟到一个小时,安装时只需要选择vc++和Python安装即可,可以自定义路径安装,但是你选择的路径只会占用2G左右,而依旧会占用C盘10G到30G。
3、安装CUDA。
在安装CUDA时遇到各种问题,起初是安装失败问题,再到后来安装成功了,但是NVIDIA控制面板无法打开,这里提供安装过程和解决方法。
(1)运行cuda安装程序,可以自己选择路径,该路径下的文件夹不管在安装失败还是安装成功后都会自动删除。
(2)软件自动进行版本检测。
(3)此时可能会出现版本不兼容警告,继续安装就好。
(3)选择自定义安装
(4)可以不选择已经存在图形驱动程序。
(5)选择安装位置,默认位置就好。
(6)安装完成。
(7)验证CUDA是否安装成功。如果未安装成功,可以先看下面“遇到的问题 ”。
1)打开cmd命令提示符,输入nvcc -V 查看,出现cuda相关信息,但是这并不能代表完成安装。
2)打开C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 ,找到与vs2015对应的例子。
3)选择release,右键点击 1_Utilities,点击生成。等会就会出现生成成功提示 。关闭vs2015
4)验证deviceQuery。打开cmd,定位到C:\ProgramData\NVIDIA\Corporation\CUDA\Samples\v9.0\bin\win64\Release,分别输入deviceQuery和bandwidthTest回车即可。出现以下信息则可以判断cuda安装成功。cuda也可在vs2015中使用。
(8)遇到的问题
1)CUDA安装失败问题。如下图
解决办法:将NVIDIA有关的所有程序全部卸载,卸载后重新启动,再次安装。从控制面板直接卸载可能无法全部卸载干净,推荐使用 RevoUninstaller软件 ,下载免费版即可。该软件可以将所卸载软件对应的注册表之类的统统卸载完,非常方便。
2)安装完成后控制面板无法打开的问题。额,忘记截图了。就是显示 :NVIDIA 显示设置不可用,您当前未使用连接到NVIDIA GPU的显示器。或者点击NVIDIA控制面板什么反应都没有的情况,出现这样的问题最大的可能就是显卡驱动出现了问题。在网上搜索了很多方法都没有解决问题,因为这个问题,整整纠结了两天,最后我在网上咨询了联想工程师小姐姐后成功解决。
解决办法 :
① 下载 NVIDIA GeForce experience软件后安装
②打开GeForce experience并且登陆。找到驱动,下载更新即可,因为我这里之前下载过,所以显示驱动是最新的。
如果登录不了,请打开任务管理器—>服务—>打开服务,找到NVIDIA NetworkService Container服务,将其启动方式改为自动,然后重新启动电脑。
如果还登录不了,打开手机热点,让电脑连上热点试试。如果再连不上,那我也没办法了。
③重新安装完驱动程序后,控制面板应该就能打开了。
4、安装cuDNN
(1)解压缩之前下载的cuDNN压缩包,将其中的文件拷贝至 C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0路径下。
(2)添加环境变量如下。
5、anaconda3-5.0.0安装
1、选择Python,可以不选择添加环境变量,在安装完成后再添加环境变量也可以。
2、可以自己选择安装路径 。然后直接安装就可以,可能需要等待一会时间。
3、添加环境变量。将以下三个环境变量添加至path下即可。
6、TensorFlow-gpu-1.11安装
总于到了TensorFlow安装了,前面安装的那些遇到的问题简直令人心累。
(1)在开始菜单打开Anaconda Navigator。
(2)先点击environment,再点击create,创建TensorFlow。创建完成后,关闭软件即可。
(3)打开Anaconda Prompt,输入activate Tensorflow 激活TensorFlow。
(4)先升级pip安装软件,在命令行输入python -m pip install --upgrade pip
如果不升级的话,可能会出现如下警告
(5)输入离线TensorFlow安装包路径,安装TensorFlow。需要根据自己所下载包的的实际路径输入。我的路径是F:\Softwave\tensorflow\tensorflow_gpu-1.11.0-cp36-cp36m-win_amd64.whl ,然后回车等待安装即可,此过程需要联网,在线下载某些东西,耗费不了多少流量,但是下载速度是真的慢啊。
成功安装时会出现如下信息。
(6)测试TensorFlow是否安装成功,测试是否可以正常使用GPU计算。在cmd中先激活TensorFlow,然后运行Python程序,输入如下程序测试,可以看到检测到GPU,并且给出计算结果。
import tensorflow as tf
a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name = 'a')
b = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name = 'b')
c = tf.matmul(a,b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
到此为止,TensorFlow算是成功安装了,真的不容易啊。
7、Spyder安装
使用TensorFlow时,可以使用很多类IDE,anaconda自带的有一个Spyder可以用来作为Python的IDE,接下来我将介绍带TensorFlow版的Spyder安装,其实比较简单。
(1)打开Anaconda Navigator,将application转换至TensorFlow,看到Spyder,点击install即可。
(2)安装完成后,会在开始菜单出现Spyder(TensorFlow),注意上面的那个Spyder不是TensorFlow版的,不能导入TensorFlow包,因此无法运行需要TensorFlow的程序。
(3)在Spyder(TensorFlow)测试程序。输入以下代码,运行即可。
import tensorflow as tf
a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name = 'a')
b = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name = 'b')
c = tf.matmul(a,b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
测试成功,得到结果,非常棒。到此,安装已经基本完成了。
参考 :
1、文中所有的连接
2、Win10 安装Tensorflow-GPU版教程(附CUDA安装 could not fine compatible graphic hardware问题解答)
3、用GPU加速深度学习: Windows安装CUDA+TensorFlow教程