2018-02-16-基于Windows的TensorFlow-GPU环境搭建

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

1. 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

1. 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>

1. 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。