Tensorflow环境搭建（Windows10）

这两天都没更新博客了，原因无它，就是因为这两天的业余时间就用来搭建Google大名鼎鼎的深度学习框架了。踩了不少坑啊，因此一定要记录一下环境的搭建过程。

环境

首先，先看看我的环境：

• Windows10：GTX960M显卡（如果装Tensorflow的gpu版本的话，对显卡有要求的，https://developer.nvidia.com/cuda-gpus 这里可以查看显卡是否支持

当然了，如果是装CPU版本的话是没有问题的，对显卡没要求，但是据说显卡可以提升很多的速度啊，没试过，试试便知道了。

步骤

这里我踩了不少坑啊，欲哭无泪

• 先安装python3.5：
  记住一定是3.5啊，其他的一律不行，被3.6坑了半天，
  地址贴出来https://www.python.org/downloads/windows/；
  
  说明一下，Python环境变量，pip都顺带帮你装好了，省事，不错

• 安装Visual Studio 百度一下，去官网下载就好了
  安装时只要选择安装c++部分的就行，不然太慢了，不过我还是直接睡觉去了，让他慢慢下载安装，没几个小时不行吧估计。我是不想等。

• 安装CUDA，Cudnn（如果用CPU版本的Tensorflow,不用安装）
  cuda：https://developer.nvidia.com/cuda-downloads下载地址；这个用浏览器下载不了，坑爹啊，我马上换迅雷下载，速度杠杠的。
  Cudnn：https://developer.nvidia.com/cudnn，这个不大，随便下下就行了。
  Cudnn解压后将bin,include,lib三个文件夹里面的内容复制至Cuda安装目录下，默认路径为C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v8.0（记住不是替换，是把Cudnn文件里的.dll文件添加到Cuda里面）

• 编译cuda：
  默认安装路径C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0下，有一个Samples_vs2015.sln文件，如果装的vs2015，就用vs2015打开此文件，其他版本就打开其他对应文件
  
  打开之后稍等一会
  
  按照图上的操作，不用急，操作完了慢慢等就行，速度堪忧啊

• 检查cuda装成功否
  当vs2015编译完了以后，在
  c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release
  目录下找到deviceQuery.exe这个文件。注意：没用vs2015编译，也就是没走上一步的话，是没有这个文件的，别问我是怎么知道的。
  
  如图的话说明就已经成功的安装了cuda了

• 安装Anaconda
  注意：不安装也可以的，这里面只是包含很多的深度学习算法的模块，省的你去一个一个安装，但是如果要安装的话，一定要看清楚版本号，只能选Python3.5的，否则你装的那个Python3.5可能不会用到，而是用的Anaconda的Python环境；别问我又是怎么知道的。

• 安装tensorflow

下载地址：
gpu版：https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
cpu版：https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl
可以先下载在安装，我就是采取的此办法，
安装方法：
pip install 已下载的文件名；
如
pip install tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

当然亦可以在线安装
gpu版：

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

cpu版：

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl

• 检验是否安装成功

import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))

如果输出为32，则说明成功了。环境的搭建就告一段落了，希望对大家有用。

最后，感谢http://www.jianshu.com/p/c245d46d43f0文章的支持。

公众号：程序员的日记，持续分享程序员界的日常生活，职业历程，行业资讯，欢迎关注