anaconda+CUDA+pyCUDA+boost_python+vs2015环境配置

python：3.6

vs：vs2015

cuda：CUDA Toolkit 9.0

boost_python：boost_python 1_67

pyCUDA：pycuda-2018.1

ps：pycuda+boostpython是为了加速numpy的，不是必须安装的，可以选择跳过。也就是说tensorflow-gpu的安装必需步骤：1.安装python环境；2.安装cuda；3.安装cudnn；4.用conda命令新增名为tensorflow的环境（还没有安装tensorflow-gpu）5.安装真正的tensorflow-gpu。(具体安装cuda之后的步骤请见https://mp.csdn.net/postedit/82597747)

一.前置工作

我是通过Anaconda安装的python，python版本3.6.5；操作系统：windows server 2016；vs2015；

ps：如何查看python版本：

将vs2015添加到环境变量

C:\Program Files\Microsoft Visual Studio 14.0\VC\bin\;C:\Program Files\Microsoft Visual Studio 14.0\VC\bin\amd64;C:\Program Files\Microsoft Visual Studio 14.0\Common7\IDE

二.安装CUDA

(1)下载官网地址是https://developer.nvidia.com/cuda-toolkit-archive，可以选择下载各版本。这里使用的是CUDA Toolkit 9.0

题外话

a）有几种安装方式？

这里可以选择本地安装和通过安装向导进行网络安装两种方式。但是博主通过本地安装包的时候总是在下载的最后时候提示：无法连接到服务器。重试几次之后仍无法下载。所以选择了第二种方法，即上图；

b）为什么选用9.0版本呢？

博主打算搭建TensorFlow+CUDA。期初使用的是CUDA 9.1版本。一切就绪测试时发现：在import tensorflow as tf会报错，显示OSError: [WinError XXX] 找不到指定的模块/Could not find 'cudart64_90.dll'。因为目前的Tensorflow最多支持到CUDA9.0，是不是很绝望！

然而github大神还是为我们提供了第二种选择——CUDA 9.1、9.2的预编译版。这里同样给出链接：https://github.com/mind/wheels/releases/ ；https://github.com/fo40225/tensorflow-windows-wheel。这里请允许我向github众大神投以膜拜与尊敬。但由于是由社区提供支持的，并没有任何官方支持。也就是说，TensorFlow 团队既不测试也不维护 conda 软件包。出于研究的准确、稳定、连续，博主选择的卸载9.1装9.0。悲哉痛哉。若使用该软件包，您需要自行承担相关风险。

c）如何卸载CUDA呢？

这里给出链接：https://blog.csdn.net/shuiyuejihua/article/details/78738664。同时感谢这位博主。

（2）安装CUDA Toolkit 9.0。安装路径自定义如下，方便之后的环境变量设置和配置文件修改。

安装完毕后会默认生成两个环境变量，我们将再添加5个环境变量，如下图。其中红色框内变量是默认生成的，绿色框内的变量是我们补充的。

cuda V10.0.130

 

之后选择vs2015对应的测试工程打开：

顺序操作：

运行结果如下：

至此，恭喜！CUDA已经安装成功！

这里给出其他的一些参考链接：

http://www.cnblogs.com/xing901022/archive/2013/08/09/3248469.html

https://developer.nvidia.com/how-to-cuda-c-cpp

https://www.tensorflow.org/install/install_windows

三.安装pytools库

（1）以管理员身份进入控制台，输入：

    pip install msgpack-python

    pip install msgpack

（2）输入：

     pip install six appdirs decorator

四.boost_python安装
 (1)下载地址：https://www.boost.org/users/history/version_1_67_0.html

（2）解压。我的解压后的地址为：F:\googleDownload\boost_1_67_0。

（3）编译成64位。

进入boost_1_67_0目录

运行bootstrap.bat，然后输入一下代码完成编译

bjam stage --toolset=msvc-14.0 architecture=x86 address-model=64 --without-graph --without-graph_parallel --stagedir="F:\googleDownload\boost_1_67_0\bin\vc14-x64" link=static runtime-link=shared runtime-link=static threading=multi debug release

（4）测试boost_python

新建c++程序。

之后设置

新建testboostpython.cpp

#include<iostream> #include<string> #include<boost/thread.hpp> using namespace std; void mythread() {     cout << " hello,thread! " << endl; } int main() {     boost::function<void()> f(mythread);     boost::thread t(f);     t.join();     cout << " thread is over! " << endl;     return 0; }

之后生成解决方案，执行。结果如下：

 

至此，恭喜！boost_python编译完毕！

这里给出其他的一些参考链接：

https://blog.csdn.net/zengraoli/article/details/70187556

五.安装pycuda

（1）下载地址为：https://pypi.python.org/pypi/pycuda 。

（2）解压。解压目录为：F:\googleDownload\pycuda-2018.1。当前目录下打开命令行输入python configure.py，生成siteconf.py

（3）修改siteconf.py配置。修改为：

BOOST_INC_DIR = ['F:\\googleDownload\\boost_1_67_0'] BOOST_LIB_DIR = ['F:\googleDownload\boost_1_67_0\bin\vc14-x64\lib'] BOOST_COMPILER = 'gcc43' USE_SHIPPED_BOOST = True BOOST_PYTHON_LIBNAME = ['boost_python-py36'] BOOST_THREAD_LIBNAME = ['boost_thread'] CUDA_TRACE = False CUDA_ROOT = 'C:\\cuda\\cudatoolkit' CUDA_ENABLE_GL = False CUDA_ENABLE_CURAND = True CUDADRV_LIB_DIR = ['C:\\cuda\\cudatoolkit\\lib\x64'] CUDADRV_LIBNAME = ['cuda'] CUDART_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib/x64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib/x64/stubs'] CUDART_LIBNAME = ['cudart'] CURAND_LIB_DIR = ['${CUDA_ROOT}/lib', '${CUDA_ROOT}/lib/x64', '${CUDA_ROOT}/lib/stubs', '${CUDA_ROOT}/lib/x64/stubs'] CURAND_LIBNAME = ['curand'] CXXFLAGS = ['/EHsc'] LDFLAGS = ['/FORCE']

（4）在cmd输入命令，进行安装
python setup.py install

至此，

(5).测试。新建测试程序：testPyCUDA.py

# -*- coding: utf-8 -*- """ Created on Fri Sep  7 09:15:24 2018 @author: Administrator """ import pycuda.autoinit import pycuda.driver as drv import numpy from pycuda.compiler import SourceModule mod = SourceModule(""" __global__ void multiply_them(float *dest, float *a, float *b) {   const int i = threadIdx.x;   dest[i] = a[i] * b[i]; } """) multiply_them = mod.get_function("multiply_them") a = numpy.random.randn(400).astype(numpy.float32) b = numpy.random.randn(400).astype(numpy.float32) dest = numpy.zeros_like(a) multiply_them(         drv.Out(dest), drv.In(a), drv.In(b),         block=(400,1,1), grid=(1,1)) print (dest-a*b)

运行结果：

惊现乱码！take it easy！我们已经成功了。下面解决这个小问题：

在python的安装目录下找到pycuda包，我的是在C:\ProgramData\Anaconda3\Lib\site-packages\pycuda-2018.1-py3.6-win-amd64.egg\pycuda，在compiler.py文件里找到

 注释掉或者在文件前面加上# -*- coding: utf-8 -*-即可。看结果：

这里给出参考链接：

https://wiki.tiker.net/PyCuda/Installation/Windows

https://documen.tician.de/pycuda/index.html

ps：这里的pycuda其实并没有安装在tensorflow环境下，如果要安装到tensorflow环境下就cmd  --》 activate tensorflow --》cd到上面的setup.py目录下，运行python setup.py install即可。

ps：通过anaconda新增名为tensorflow的环境，这时系统中最起码已经存在了两种python环境：1.安装anaconda时自带的python；2.tensorflow环境下的python。也可能存在其他的python环境（安装arcgis时会默认安装python2.x的环境）。只有在cmd控制台activate tensorflow 即激活tensorflow环境，再通过pip命令向tensorflow环境下安装你所需要的package，否则会安装到其他python环境下哦！

 

 

 

 

OVER !  Enjoy  Urself！！！