Windows +TensorFlow+Faster Rcnn 详细安装步骤（一）

置顶辣鸡博主已停更

已于 2023-05-25 19:17:49 修改

阅读量2.7w

点赞数 10

文章标签： TensorFlow Windows faster rcnn 深度学习

于 2018-08-17 18:18:55 首次发布

本文链接：https://blog.csdn.net/tuoyakan9097/article/details/81776019

版权

2020年更新：感谢大家的关注，这两篇安装教程是我自己当初踩坑后记录下来方便查看的。如果你是做深度学习研究刚刚入门，建议去学习新的tensorflow2.0以及models，或者Pytorch。因为这个教程用到的tensorflow版本低，而且用的Faster RCNN代码功能也欠缺，比如计算PR之类的。但如果只是项目中需要使用一下，按照教程无脑按照也是可以的。

Windows下Python版本TensorFlow需要Python 3.5支持，因此建议使用Anaconda，避免和原本电脑Python版本冲突等问题。（另外，你完全可以按照这个流程来，但如果你想偷懒，Windows +TensorFlow+Faster Rcnn整个安装过程中需要的所有安装包和数据我都传到了云盘里，大概有4个G内容，最后有获取方式。）

1.安装Anaconda

下载地址：链接，选择支持Python3.5且与自己电脑位数一样的Windows版本，如果不清楚，可以参考这个网站上各版本说明，anaconda 3 默认的是python3.6，下载下来也可以，之后可以在虚拟环境里面更改python版本。

下载完成后双击exe安装，到下面这个界面时，第一个框打钩，把conda添加到环境变量，第二个不勾，如下图，这样就不会更改原本Python默认版本了。

安装完成后，在cmd中输入conda，出现以下界面，表示安装成功。

我下载的是这个版本，安装后发现Anaconda3这个版本默认是py3.6的，而我需要python3.5的，可以在新建虚拟环境时选择python版本。

2.新建tensorflow虚拟环境

在cmd中输入

conda create -n tensorflow python=3.5

这样就建立了一个叫做tensorflow的虚拟环境，且python版本为3.5，之后的所有工作都是在这个环境下完成的，激活虚拟环境，在cmd中使用命令

activate tensorflow，关闭虚拟环境，使用命令：deactivate

3.选择TensorFlow版本

TensorFlow有CPU版本和GPU版本，GPU版本使用显卡，硬件要求较高，但计算效率高，如果要安装GPU版本（需要有NVIDIA显卡），一般是推荐使用性能好的服务器，但你可能需要知道自己电脑是否支持GPU，GPU显存是多少，如何查看自己的电脑是否支持GPU，在cmd命令中输入：

cd C:\Program Files\NVIDIA Corporation\NVSMI
nvidia-smi

就可以看到自己的显卡型号和显存大小，个人建议显存大于4GB的话可以考虑GPU版本的TensorFlow，不然老老实实用CPU版本的，就是训练时间长一些，不然到时候会报错OOM（out of memory）

若使用GPU版本的TensorFlow，还需要安装CUDA和cudnn,比CPU版本的TensorFlow安装复杂很多，本文以GPU版本TensorFlow为例。注意：如果使用CPU版本的TensorFlow，请跳过步骤4。

4.安装GPU版本依赖

主要是安装CUDA和cudnn，注意两者版本有对应依赖关系，本文选择使用的是CUDA 8.0和cudnn 6.0

安装CUDA

CUDA 8.0安装地址：链接

打开后需要先用邮箱注册，然后下载时会让选择你自己电脑系统的版本等内容,注意看清楚下载的是CUDA 8.0版本，因为注册之后再登录时会默认跳转到CUDA最新版本的下载页面。

下载后双击exe进行安装即可，安装完成后检验是否安装成功：在cmd中输入命令

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
bandwidthTest.exe

结果如下图，显示 Result = PASS表明安装成功！

安装cudnn 6.0

cudnn 6.0下载地址：链接

页面中选择下载的内容如下

下载后的内容解压，可以看到有下面这样三个文件夹，将文件夹中的文件分别复制到CUDA安装目录下对应的文件夹中，例如本机CUDA的安装目录为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，然后在目录下也能找到这三个文件夹名字，把cudnn里面的拷贝到相应目录下即可。每个文件夹下其实也就一个文件

这样，cuda和cudnn就安装好了。

5.安装TensorFlow

首先激活虚拟环境

activate tensorflow

GPU版本TensorFlow安装cmd命令：

pip install --ignore-installed --upgrade tensorflow-gpu

CPU版本TensorFlow安装cmd命令：

pip install --ignore-installed --upgrade tensorflow

安装完成后检查是否安装成功

python
import tensorflow as tf

此时如果报错：ImportError: Could not find 'cudart64_90.dll'...

解决办法：

如果你是安装的GPU版本的，首先考虑TensorFlow安装版本是否与CUDA匹配，CUDA8.0网上一般都是和TensorFlow1.3搭配的，使用命令conda list，查看版本，如下图，可以发现TensorFlow版本不合适，默认安装的版本过高

卸载tensorflow-gpu，安装1.3版本的，命令如下：

pip uninstall tensorflow-gpu

pip install –-upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

安装成功后，再来检验一下，可以查看tensorflow的安装版本和安装位置

import tensorflow as tf

tf.__version__

tf.__path__

如下图所示，tensorflow安装成功！

注：如果更改成1.3版本后还是报错，还是找不到cuda相关的dll，建议重新配置环境变量，计算机右键属性，在系统环境变量中，添加以下内容：

以下所有路径都基于CUDA默认安装位置，请以你自己实际安装的为准！

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
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

然后在系统变量 PATH 的末尾添加：（记得分号是英文的）
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下路径：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；

保存后，再试试能不能正确加载tensorflow。

以上就是Windows下tensorflow框架安装详细流程。整个流程中可能用到的软件安装包和数据都传到了云盘，关注微信公众号：TechGIS，后台回复“tensorflow”即可获取，谢谢关注！

faster rcnn算法将在下一篇文章里介绍。

Windows 下 TensorFlow 和 Faster rcnn 详细安装步骤（二）