Win10 安装 TensorFlow GPU版本

最新推荐文章于 2020-01-31 09:51:20 发布

foxbuster

最新推荐文章于 2020-01-31 09:51:20 发布

阅读量1.1k

点赞数

本文链接：https://blog.csdn.net/foxbuster/article/details/68485415

版权

tensorflow 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

TensorFlow简介
python环境搭建
- 安装python
- 相关库
CUDA环境搭建
安装TensorFlow

TensorFlow简介

test

TensorFlow是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。
简单来说就是一种编程系统。先把要计算的整个过程（包含变量Variable等操作OP）描述出来形成一张图，然后启动一个会话（Session），将操作派发至CPU和GPU进行计算。
TensorFlow由C、Python和C++编写而成，同时支持后两种语言的调用。python端提供大量OP的封装，所以在描述阶段都是用python，在会话期，可以通过导出图的方式，在C++端启动会话。

python环境搭建

安装python

直接上官网 https://www.python.org/

因为当前tensorflow windows版本最高只支持python3.5，所以不能选择最新的3.6版本

下载页面

然后下载3.5版本即可，这里直接选择可执行文件这里写图片描述

根据引导把python安装了。记得在安装选项中，要选择把python安装目录加入环境变量path中，忘记勾选的话需要自己去更新一下环境变量。

在命令行中输入python -m pip install --upgrade pip和pip list --format legacy，看一下是否有响应。

CUDA环境搭建

下载

想要在GPU上进行计算，可以使用opengl、opencl之类可以在GPU中计算以及把结果取回内存的库。

GPU的并行计算力是远大于CPU的。机器学习特别是深度学习的计算要求比较大，并且很多算法可以写成并行计算的方式，所以利用好GPU的计算力是很有必要的。

cuda是Nvidia推出的GPU并行运算架构，很多深度学习相关的库如caffe、TensorFlow，在调用GPU的时候，都使用了cuda。

TensorFlow目前支持CUDA 8.0，cuDNN 5.1，下载的时候注意版本

先去官网下载 https://developer.nvidia.com/cuda-downloads

这里写图片描述

然后下载cuDNN https://developer.nvidia.com/cudnn

CUDA只是一个并行计算架构的SDK，而cuDNN是NVIDIA官方专为深度学习提供的cuda库，里面封装
了卷积、池化等标程。

注册账号，填写一下问卷就可以下载了

这里写图片描述

安装

Windows环境下的cuda安装很容易的，直接运行安装程序，跟着向导走就行。而且还是全家桶，连Nvidia GeForce Experience之类的东西一起给你安装一遍。

这里写图片描述

然后把刚才下载的cuDNN压缩包解压缩，把里面三个文件复制到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0” （如果安装CUDA时候，没改这个路径）

这里写图片描述

运行Sample

先安装一个visual studio 2010/2012/2013/2015，2017虽然好用，但是目前CUDA还不支持。

个人建议安装个VS2013，因为2015装起来出的问题很多、坑太多，最后还是换成13版本才成功。

进入 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 （ProgramData是隐藏文件夹）

选择自己安装的VS版本的sln，双击运行这里写图片描述

可以选择编译整个解决方案，也可以只编译运行一个demo项目，主要是看一下是否安装成功。

这里就只演示其中一个项目，如果效果和我的一样，差不多就意味着安装成功了。

点击解决方案，然后在“Startup project”中选择“bilateralFilter” 双边滤波这个项目。

这里写图片描述

Ctrl + F5，编译运行。

这里写图片描述

按 + - ，可以改变图片的清晰度

查看显卡计算力

TensorFlow要求显卡的计算力要超过3.0，官网是这么说的，实际上是不是这回事就不清楚了

怎么知道自己显卡是否支持呢？

最简单的办法就是去官网查 https://developer.nvidia.com/cuda-gpus （好像这块内容应该放在安装CUDA之前。。。。）

但是既然安装了CUDA，那就用代码查一下吧。

开一个win32 控制台工程，把下面代码复制上去

#include<stdio.h>
#include<stdlib.h>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"

bool Testing()
{
    int count;
    cudaGetDeviceCount(&count);
    if (count == 0)
    {
        fprintf(stderr, "There is no device.\n");
        return false;
    }
    int i, maxMajor, maxMinor;
    bool canUseTensorflow = false;
    maxMajor = maxMinor = 0;
    for (i = 0; i < count; i++)
    {
        cudaDeviceProp prop;
        if (cudaGetDeviceProperties(&prop, i) == cudaSuccess)
        {
            fprintf(stdout, "Device number %d , computer capability : %d.%d\n", i, prop.major, prop.minor);
            if (prop.major >= 3)
            {
                canUseTensorflow = true;
                if (prop.major>maxMajor || (prop.major == maxMajor&&prop.minor > prop.minor))
                {
                    maxMajor = prop.major;
                    maxMinor = prop.minor;
                }
            }
        }
    }
    if (!canUseTensorflow)
    {
        fprintf(stderr, "There is no device supporting TensorFlow GPU version.\n");
        return false;
    }
    fprintf(stdout, "Max computer capability of this computer is %d.%d\nYou can use TensorFlow GPU version. \n", maxMajor, maxMinor);
    return true;
}

int main()
{
    Testing()
    system("pause");
    return 0;
}

这里写图片描述

根据上图，右键工程，一步步最后加上 cudart.lib

然后如下图，右键工程 ->“生成依赖项” -> “生成定制”

这里写图片描述

勾上 CUDA 8.0。

然后 Ctrl + F5，运行。之后会输出机子上每个显卡编号和对应的计算力，然后告诉你能否使用Tensorflow GPU 版本。

这里写图片描述

安装TensorFlow

这里坑还蛮多的，而且过程有点乱，第一次是用pip安装的，pip install tensorflow-gpu，出现各种错误。然后去github下载 .whl文件，GPU运行还是有问题。我还重装了一次CUDA，最后又换成了更早的nightly 版本，所以我不确定到底哪种方法最靠谱，下面列出几个安装途径，都试试吧。

出现问题可以用pip uninstall tensorflow-gpu把当前版本删了，去安装其他版本

使用pip安装： pip install tensorflow-gpu
GitHub上最新的nightly版本： Python 3.5 64-bit（我给的链接可能很快就不是最新版了，建议直接去github页面下载
历史nightly版本： http://ci.tensorflow.org/view/Nightly/job/nightly-win/

总之方法很多，还是能装上的。下面给一个测试代码。

其实就是官方的Mnist入门Tutorial。

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

x = tf.placeholder(tf.float32, [None, 784])
y_labels = tf.placeholder(tf.float32, [None, 10])

W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
logits = tf.matmul(x, W) + b
y = tf.nn.softmax(logits)

cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits=logits,labels=y_labels)
loss = tf.reduce_sum(cross_entropy)
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(loss)

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_labels,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

sess = tf.Session()
sess.run(tf.global_variables_initializer())
for _ in range(10000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_labels: batch_ys})

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_labels: mnist.test.labels}))

可在ipython使用 paste cpaste命令直接复制代码运行，或者在IDE下运行

最后能运行，并且输出测试集的准确率，即成功安装

如果装的是nightly版本的tensorflow-gpu，可能会出现一下错误，可以忽略

这里写图片描述

foxbuster

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Win10 安装 TensorFlow GPU版本

Win10 安装 TensorFlow GPU版本标签： TensorFlowWin10 安装 TensorFlow GPU版本TensorFlow简介python环境搭建安装python相关库CUDA安装TensorFlowTensorFlow简介TensorFlow是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。简单来说就是一种编程系统。先
复制链接

扫一扫