准备安装包:
visual studio 2015;
Anaconda3-4.2.0-Windows-x86_64;
CUDA:cuda_8.0.61_win10;下载时选择 exe(local)
CUDA补丁:cuda_8.0.61.2_windows;
cuDNN:cudnn-8.0-windows10-x64-v6.0;如果你安装的TensorFlow版本和我一样1.3,请下载cuDNN v6.0 for CUDA 8.0 (不要问我为什么知道....)
开始:
1.安装visual studio2015 可以只安装 Visualc++部分
2.安装CUDA:
按提示安装,先安装cuda_8,再安装补丁;
装完后在cmd里查看版本号:nvcc -V
3.安装cuDNN库:
把解压文件放置到CUDA的相关文件夹里:(懒得打字了)
==============》》
4.安装Anaconda:
我是选择用Anaconda安装TensorFlow,方便管理各种环境。
下载对应安装包,按提示安装。
装好后,打开Anaconda Prompt.添加清华的镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
在win下更改Python的默认源为清华源:
在当前的用户目录下新建pip文件夹,在pip文件夹里新建pip.ini文件:
[global] index-url = http://mirrors.aliyun.com/pypi/simple/ //https://pypi.tuna.tsinghua.edu.cn/simple 清华源 [install] trusted-host=mirrors.aliyun.com
在Anaconda里建立TensorFlow的环境:
conda create -n tensorflow Python=3.5
激活TensorFlow环境:
activate TensorFlow
关闭环境:
deactivate
5.安装TensorFlow:
pip install --upgrade --ignore-installed tensorflow-gpu
安装TensorFlow指定版本(清华源上有的,更换链接最后的版本名称就行了)
pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl
简单测试:
在TensorFlow环境里打开Python:
import tensorflow as tf hello = tf.constant("Hello!TensorFlow") sess = tf.Session() print(sess.run(hello))
见到b'hello tensorflow' 测试成功。
6.安装,配置pycharm:
下载对应安装包。按提示安装pycharm。
配置pycharm:
在选择Python版本时,手动添加位于Anaconda的python版本,位置在Anaconda的安装目录下的envs文件夹里:
7.在pycharm里新建mnist手写识别程序:
from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/",one_hot=True) import tensorflow as tf sess = tf.InteractiveSession() x = tf.placeholder(tf.float32,[None,784]) w = tf.Variable(tf.zeros([784,10])) b = tf.Variable(tf.zeros([10])) y = tf.nn.softmax(tf.matmul(x,w) + b) y_ = tf.placeholder(tf.float32,[None,10]) cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y),reduction_indices=[1])) train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) tf.global_variables_initializer().run() for i in range(1000): batch_xs, batch_ys = mnist.train.next_batch(100) train_step.run({x: batch_xs, y_:batch_ys}) correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_,1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32)) print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels}))
运行:
至此全部安装完毕。
安装过程中的坑:
1.安装TensorFlow1.3的cuDNN的版本要选V6的版本,不然会出现
No Module Named '_pywrap_tensorflow_internal'
以及
DLL load failed: The specified module could not be found等错误。