win7下深度学习环境配置：VS2017+cuda9.1 + cudnn7.0.5+ Tensorflow1.4 GPU+ keras2.1

 

参考：

VS2017安装以及python测试: https://blog.csdn.net/manjiang8743/article/details/79517135

cuda安装配置参考：https://blog.csdn.net/u013165921/article/details/77891913

 

 

一. 确定软件以及软件版本

1. VS2017

下载VS2017，VS2017自带python3.6.5，所以不需要另外安装python。安装VS2017时选择python模块就可以。

 

2. 确定Tensorflow版本

   首先确定VS2017可以安装的Tensorflow版本，以及与VS2017匹配的cuda版本有哪些。我开始安装cuda8.0就和VS2017版本不匹配。

  然后确定Tensorflow版本和与之对应的cuda以及cudnn版本，这个一定要先确定好，因为我自己先装了cuda9.0，后来装Tensorflow1.4，发现二者不匹配，后来删了cuda9.0，重新安装的9.1，很麻烦。

  确定版本参考https://github.com/fo40225/tensorflow-windows-wheel/tree/master/1.4.0/py36/GPU/cuda91cudnn7avx2；

所以安装tf1.4，需要cuda9.1以及cudnn7。

安装文件whl也在这个网址下下载下来。

 

3. cuda和cudnn

上面确定了安装tf1.4需要cuda9.1，以及cudnn7。

显卡驱动最新版：https://www.nvidia.cn/Download/index.aspx?lang=cn

cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-archive

cuda下载地址：https://developer.nvidia.com/cuda-toolkit-archive

分别将上面三个下载下来，驱动就下载最新版就可以。

 

上面的tensorflow和VS2017以及cuda和cudnn是最重要的需要预先下载的软件，版本尤其要匹配，不然后期很麻烦。

 

二. 软件安装配置

1. 安装VS2017

这个可以参考文章开始的参考网址就可以，一定要把python勾选，其他的配置都很普通。

顺带安装VAX，后面写代码可以设置代码颜色和高亮等，比较好用。

 

2. 安装cuda以及cudnn

   2.1 驱动更新

   首先将显卡驱动更新到最新版，不然驱动版本过低，会限制cuda版本，更新到最新版，就可安装最新版驱动限制的cuda版本以及其一下所有的cuda版本了。

   如下图，我的显卡驱动限制的cuda最高版本是cuda9.1。

 

 2.2 安装cuda

   然后安装cuda，要先关闭已经安装的VS2017。运行cuda的exe文件，默认安装路径，选择安装所有组件：

安装完成后，进行环境变量配置：

在系统环境变量中新建上图中的变量，右侧是变量的值。

然后测试CUDA是否安装成功，找到文件deviceQuery.exe，在cmd中输入deviceQuery.exe，回车，会显示cuda信息：

可以参考文章上部的参考网址，进行cuda和VS2017的配置，因为之前做过CUDA加速，配置过很多次，就不在这里写了。

2.3 安装cudnn

  cuda的安装路径：

将下载的cudnn中的三个文件夹里的文件拷贝到cuda对应的三个文件中即可。

 

3. 安装Tensorflow 以及keras、相关库

3.1 安装Tensorflow

  先使用CPU-Z看一下自己的电脑是否支持avx指令，不然有可能使用不了Tensorflow，或者只能安装低版本tensorflow。我的电脑没这个问题，也测试了下是支持的：

 

安装tensorflow使用指令安装，打开VS2017，打开Python环境里的在PowerShell中打开：

 

我的VS2017中最近一点这个就崩溃，所以采用右键“在PowerShell中打开”选择在命令提示符中打开:

可见进入的是Python的安装路径。

找到之前下载的tf的路径：tensorflow_gpu-1.4.0-cp36-cp36m-win_amd64.whl，预先下载，安装比较快。

安装tf，输入命令：pip3 install <tensorflow_gpu-1.4.0-cp36-cp36m-win_amd64.whl所在路径>

安装过程会因为网速问题，下载不下来protobuf或者tensorboar等断掉几次，不用担心，多运行几遍上面的命令就可以。

下面是我最开始安装1.8的结果，嗯，最后还做了版本回退到1.4：

安装测试：

       在VS2017中新建python文件，输入代码:

import tensorflow as tf

a = tf.test.is_built_with_cuda()

b = tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)

print(a)

print(b)

如果tf版本和cuda版本不匹配就会报错，看我最开始tf1.8+cuda9.1的报错：

如果真的版本出错，此处tf版本回退的命令：

pip3 install --upgrade --ignore-installed C:\Users\Administrator\Downloads\tensorflow_gpu-1.4.0-cp36-cp36m-win_amd64.whl

至于cuda版本与tf版本匹配，想要修改cuda版本就比较复杂，有感兴趣的可以留言，这里就不写了。按照上面的流程，先确定好版本是不会出问题的。

 

3.2 安装keras

仍是就是在VS2017的Python环境中打开PowerShell，输入命令：pip install keras

我的电脑因为网速问题，h5py模块一直下载不下来，就预先现在h5py模块，在使用上面的命令安装keras。

安装h5py模块命令：pip3 install  --index-url https://pypi.tuna.tsinghua.edu.cn/simple h5py

上面的网址https://pypi.tuna.tsinghua.edu.cn/simple，是清华的源，可以下载各种包，速度比较快。

keras安装成功:

 

3.3 安装其他的包

  同上面一样在VS2017中打开PowerShell，使用pip下载包。

  一般首先使用 pip install <包名称>，直接下载，例如下载opencv的包：pip install opencv-python

  不过有时候会因为网速问题下载不下来，就切换到清华的源下载包：pip install https://pypi.tuna.tsinghua.edu.cn/simple <包名称>

  例如：pip3 install  --index-url https://pypi.tuna.tsinghua.edu.cn/simple scipy，就可以下载scipy包使用。

  所以其他的包，如numpy，sklearn, Pillow等。

 

至此就完成了整个环境部署，可以进行深度学习了。其他还有许多功能，如创建多个虚拟环境，不同虚拟环境可以使用不同的软件版本，等其他的尽情去发掘吧。

之前Linux下进行深度学习时使用的是Pycahrm，习惯了，所以虽然配置了VS2017中的环境，我还是下载了Pycharm，新建工程将工程的Project Interpreter切到python.exe下，就可以使用了。