Windows10 64 位下安装 TensorFlow

最新推荐文章于 2023-03-22 08:07:27 发布

熊猫玩转大数据

最新推荐文章于 2023-03-22 08:07:27 发布

阅读量2.2w

点赞数

分类专栏： TensorFlow 文章标签： TensorFlow windows 安装TensorFlow

本文链接：https://blog.csdn.net/m0_37607365/article/details/79942750

版权

TensorFlow 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

所需软件的安装版本

软件	版本
Anaconda	Python 3.5.2 :: Anaconda 4.2.0 (64-bit)
CUDA	cuda_9.0.176_win10
CuDNN	cudnn-9.0-windows10-x64-v7.1

不想去一个一个下载，我帮你都整理好了，TensorFlow安装套件百度云下载地址:

链接：https://pan.baidu.com/s/1wSvXlwE12GTw27kKYkOBcQ 密码：9ot5

安装步骤：

安装Anaconda

这个很简单，直接下载安装包，下一步就行了。

检测是否支持CUDA

NVIDIA官网查询，具体见：https://developer.nvidia.com/cuda-gpus，就可以知道是否可以使用带GPU支持的TensorFlow。在安装和运行TensorFlow之前，需要先安装CUDA驱动。

安装CUDA驱动

访问CUDA的下载网站：https://developer.nvidia.com/cuda-toolkit，可以看到CUDA目前的最新版本是9.1版，可以通过选择下面的“Legacy Releases”链接来下载旧版本的驱动。

建议选择自定义安装，然后只勾选cuda。建议安装在默认文件路径。

安装完之后系统变量会自动为你添加上，这个不用管。测试一下是否安装成功，命令行输入 nvcc -V ，看到版本信息就表示安装成功了

PS C:\WINDOWS\system32> nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:32_Central_Daylight_Time_2017
Cuda compilation tools, release 9.0, V9.0.176

安装CuDNN库

CuDNN库（The NVIDIA CUDA® Deep Neural Network library）是CUDA针对深度神经网络的更新包，TensorFlow会使用它用于加速NVidia GPU上的深度学习。可以从这里下载，见：https://developer.nvidia.com/cudnn。

首先要注册一个NVidia开发者帐号，它是免费的。登录后，您会看到各种CuDNN下载。本文下载使用了CUDA 9.0，所以确定为CUDA 9.0选择了cuDNN v9.0.5。

其实这个是一个压缩包，解压放到任何一个目录下就行，然后把其中的bin目录路径添加到Path环境变量里。

安装TensorFlow

由于 Google 那帮人已经把 TensorFlow 打成了一个 pip 安装包，所以现在可以用正常安装包的方式安装 TensorFlow 了，就是进入命令行执行下面这一条简单的语句：

注意要使用管理员权限，即在搜索框输入cmd，然后右键，选择已管理员身份运行

# GPU版本
pip3 install --upgrade tensorflow-gpu

# CPU版本
pip3 install --upgrade tensorflow

测试

用一个简单的矩阵乘法测试一下

import tensorflow as tf

a = tf.random_normal((100, 100))
b = tf.random_normal((100, 500))
c = tf.matmul(a, b)
sess = tf.InteractiveSession()
sess.run(c)

实际运行情况

In [1]: import tensorflow as tf

In [2]: a = tf.random_normal((100, 100))

In [3]: b = tf.random_normal((100, 500))

In [4]: c = tf.matmul(a, b)

In [5]: sess = tf.InteractiveSession()
2018-04-14 17:53:51.821028: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2018-04-14 17:53:52.299257: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1344] Found device 0 with properties:
name: GeForce GTX 1060 3GB major: 6 minor: 1 memoryClockRate(GHz): 1.759
pciBusID: 0000:01:00.0
totalMemory: 3.00GiB freeMemory: 2.44GiB
2018-04-14 17:53:52.304536: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1423] Adding visible gpu devices: 0
2018-04-14 17:56:02.203424: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:911] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-04-14 17:56:02.206562: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:917]      0
2018-04-14 17:56:02.209008: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:930] 0:   N
2018-04-14 17:56:02.210820: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1041] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 2148 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060 3GB, pci bus id: 0000:01:00.0, compute capability: 6.1)

In [6]: sess.run(c)
Out[6]:
array([[ 12.461744 ,  -2.763069 ,   3.808689 , ...,   1.8473787,
        -13.456398 ,  15.942695 ],
       [  3.081438 ,   3.7561693,  -9.30651  , ...,   5.1801486,
         -9.152332 ,  -5.1047654],
       [ 13.291951 ,   1.1641746,   1.1810235, ..., -10.287245 ,
          3.4808588,  -9.7852335],
       ...,
       [-15.615421 , -14.173458 ,  -0.9662838, ...,  18.056751 ,
         11.06031  ,  17.826332 ],
       [-20.06306  ,   6.9881086,  11.5085125, ...,  -9.407914 ,
          5.9640474,  -7.0610776],
       [  5.242064 ,   4.342845 ,  -4.4574194, ..., -11.325852 ,
          3.621978 , -10.848241 ]], dtype=float32)

In [7]: