TensorFlow是由Google Brain研发的机器学习的开源软件库,可以运行在多个CPU和GPU上,tensorflow环境的搭建是ML初学者需要解决的第一个问题,本篇博客主要是分享自己是如何在Windows上配置tensorflow-gpu环境的。主要安装流程参考官方教程,欢迎借鉴。
tensorflow1.5/CUDA 9.0/cuDNN 7.0
注:tensorflow尚不支持CUDA9.1
1.Anaconda 安装
Anaconda是一种Python语言的免费增值开源发行版,用于进行大规模数据处理,预测分析, 和科学计算,致力于简化包的管理和部署。支持Linux、Windows、Mac系统,提供了包管理和环境管理的功能,可以很方便的解决Python各个环境的并存、切换和第三方包管理的功能,Anaconda使用软件包管理系统Conda进行包管理。具体的过程参考Anaconda使用。下载链接
2.CUDA 9.0 和 cuDNN7.0环境配置
在安装Tensorflow-GPU版本时,必须确保系统中已经安装好NVIDIA的软件CUDA和cuDNN,CUDA是在GPU上运行的一个并行计算的框架,cuDNN是深度神经网络的GPU加速库,在机器学习和深度学习中,可以加快计算的速度,且可以集成到更高级别的机器学习框架中。关于CUDA和cuDNN的具体介绍.
CPU、GPU、CUDA,CuDNN简介。安装TensorFlow-CPU版本不需要安装CUDA和cuDNN。
大多数以往的教程通常是基于CUDA8.0和cuDNN6.0,而tensorflow1.5,已经支持CUDA9.0和cuDNN7.0,本教程就是基于此。在下载安装包时,可以去NVIDIA官网下载CUDA,cuDNN,CUDA的安装类型选择本地(local),下载cuDNN时会需要登录NIVIDA开发者的账户,如果没有的话可以注册一个。需要注意的是:tensorflow1.5还不支持CUDA9.1,否则在安装Tensorflow-GPU时会报错(我在安装过程中遇到了这个问题)。
1. CUDA安装过程中会有选择安装路径的选项,实际这个只是选择的临时的一个解压安装的路径,相当于是一个中转站,并不是真正的安装位置,安装结束后会自动删除,所以无需进行改变。实际的安装路径是默认的,无法更改(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0)。
2. cuDNN7.0解压之后有三个文件夹bin/include/lib,不需要进行安装,只需要将三个文件夹中对应的文件cudnn64_7.dll、cudnn.h、cudnn.lib,复制粘贴到CUDA的相应的安装路径下即可,例如cudnn64_7.dll复制到(C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0\bin),其余两个文件同理。
3.TensorFlow-GPU安装
- 打开Anaconda Prompt,通过conda命令,在其中创建tensorflow环境。tensorflow是环境名,可以自由更改。
C:(D:\software\Anaconda3) C:\Users\sun>conda create -n tensorflow pip python=3.5
在这里,我选择的Python版本是3.5版本
- 环境创建好之后通过命令激活切换至tensorflow环境
C:(D:\software\Anaconda3) C:\Users\sun>activate tensorflow
此时会切换到创建的tensorflow环境中
(tensorflow) C:\Users\sun>
- 此时输入下面的命令在tensorflow环境中安装TensorFlow-GPU
(tensorflow) C:\Users\sun>pip install --ignore-installed --upgrade tensorflow-gpu
至此tensorflow-gpu安装完毕,通过窗口中的提示判断是否安装成功。
4.检验安装
通过shell进入Python环境
(tensorflow) C:\Users\sun>Python
在shell依次输入下面的命令
>>>import tensorflow as tf
>>>hello=tf.constant('Hello,TensorFlow!')
>>>sess=tf.Session()
>>>print(sess.run(hello))
如果输出
Hello,TensorFlow!
证明安装成功,就可以开始写TensorFlow程序啦。