搭建基于tensorflow-gpu版本的Keras环境全过程

 

参考博客：

https://blog.csdn.net/u013165921/article/details/77891913

1.编译环境使用anaconda

2.下载cuda

cuda是NVIDIA的GPU计算数学库和编译器，此时需要打开控制面板—NVIDIA—帮助—系统信息—组件 查看自己的电脑支持什么版本的cuda。

cuda下载链接：

    cuda8.0 但是cuda8.0只支持vs2013

    cuda9.0   cuda10.1 （注意，cuda和tensorflow有版本匹配问题，建议先阅读后面的tensorflow安装了解版本匹配问题再回到这里阅读）

设置环境变量：（我安装的是cuda9.0）

安装结束后，我们在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量。 

      我们还需要在环境变量中添加如下几个变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

查看是否安装成功： 

在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口，默认进来的是c:\users\Admistrator>路径，输入 cd .. 两次，来到c:目录下输入

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite 

找到安装的cuda文件夹。 

分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果如图所示。Rsult=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。 

网上有很多配置vs2013、vs2017的，我认为那个只是一个编译环境，配置了直接使用vs里面的Python，这里使用anaconda，就不需要配置vs了。

3.初次安装anaconda需要安装mingw、libpython基本库

使用anaconda prompt命令行终端

conda install -c anaconda mingw libpython

4.安装cntk

cntk是微软开发的一个深度学习计算环境，既有速度快、GPU并行扩展能力强等优点，也是目前在循环神经网络计算速度最快的深度学习环境，一个深度框架，安装tensorflow不要安装cntk。

但是安装tensorflow为了不和现有的Python包冲突，我们需要搭建一个虚拟环境，虚拟环境就是另创一个Python的运行环境。

查看当前存在哪些虚拟环境

conda env list

创建Python虚拟环境，env_name指新建虚拟环境名，Python=3.5是指版本，下面的语句会新建一个虚拟环境，同时安装指定版本的python编译环境（这里是python=3.5），建议不要与原环境同一个版本，不然会出问题。查看本机Python版本可以在电脑带的cmd窗口输入python，就会显示Python版本信息。

conda create -n env_name python=3.5

激活虚拟环境

conda activate env_name

我的虚拟环境名时cntkKeraspy35，就如下显示

在虚拟环境中安装包

conda install -n env_name [package]

或者

conda install [package]
pip install [package]

关闭虚拟环境

deactivate env_name

删除虚拟环境

conda remove -n env_name –all

更新pip

创建新的虚拟环境时默认安装了pip，但版本过低，先进行更新

python -m pip install --upgrade pip

安装常用包

之后使用pip3安装一些常用的包

pip3 install -n env_name numpy scipy h5py jupyter
or
pip3 install numpy scipy h5py jupyter

安装cntk（可跳过）

请按照下面链接里的版本匹配选择合适的cntk版本进行安装

 pip install cntk-gpu

链接：https://docs.microsoft.com/en-us/cognitive-toolkit/setup-windows-python?tabs=cntkpy26

安装TensorFlow

安装tensorflow之前需要先安装cudnn，cuDNN是卷积神经网络训练库，安装参考链接

 https://www.cnblogs.com/Thinker-pcw/p/9687436.html

cudnn下载链接

https://developer.nvidia.com/rdp/cudnn-archive

安装tensorflow需要注意版本兼容问题，若是电脑里的cuda版本和tensorflow版本不匹配，则是会出现import失败的问题。具体tensorflow和cuda对照情况请参考tensorflow官网 https://tensorflow.google.cn/install/source_windows 最新版本1.14.0需要cuda10，而tensorflow在1.5版本之后进行了一些更改，导致cuda9安装1.5之后的版本会出现问题。若是安装cuda9，建议版本匹配为：

cuda9.0+cudnn7.3.0+tensorflow-gpu-1.5+numpy-1.13.3+keras2.1.4版本对应

指定版本安装

pip install tensorflow-gpu==1.5

numpy版本为1.17，需要重装

pip uninstall numpy
pip install numpy==1.13.3

安装Keras

pip install keras==2.1.4

安装CNMeM

CNMeM显存管理分配，可以提高训练速度

conda install CNMeM

好了，安装好之后可以输入python进入python环境import测试是否安装成功