1. 软件准备
配置过程需要4个软件:Anaconda,tensorflow,cuda,cuDNN
1、 Anaconda:用于创建和管理Python环境
这里提供两个Anaconda下载地址:
Anaconda官方下载
Anaconda清华镜像
2、 tensorflow:机器学习的开源软件库
tensorflow分为四个版本:CPU或者GPU,不支持AVX2或者支持AVX2。
为了考虑兼容性的问题,一般使用安装指令
pip install tensorflow
或者:
pip install tensorflow-gpu
会默认安装其x86_64版本。如果你的CPU支持AVX2的话,编译过程中就会提示tensorflow未使用AVX2。
所以根据自己的电脑配置下载相应tensorflow安装包。
tensorflow下载地址
3、cuda:Compute Unified Device Architecture,该架构使GPU能解决复杂的计算问题
cuda下载地址
4、 cuDNN:深度学习网络的GPU加速库
cuDNN下载地址
准备好之后,下面正式开始环境的搭建!
2. 环境搭建
2.1 安装和配置Anaconda
1、Anaconda安装
安装完成后,找到Anaconda安装目录并进入其子目录\Scrips
复制该路径并添加至系统环境变量
D:\software\Development\Anaconda3
D:\software\Development\Anaconda3\Scripts
D:\software\Development\Anaconda3\Library\bin
![](https://img-blog.csdnimg.cn/20190623215239415.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAwNzIwNDM=,size_16,color_FFFFFF,t_70)
以上三条都要配置上,不然后面使用时会报错。当时我就少配置了\Library\bin,到后面使用时总是出现缺少DLL的问题,最后才发现是环境变量没配上。
打开CMD指令,使用如下指令查看Anaconda中的Python环境信息
conda info --envs
![](https://img-blog.csdnimg.cn/20190621171636425.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAwNzIwNDM=,size_16,color_FFFFFF,t_70)
可以看到,Anaconda包含一个默认的Python环境base。
2.2 创建一个GPU加速的tensorflow环境tfenv_gpu
conda create --name tfenv_gpu(你的python环境名称) python=3.7(python版本)
中途会安装一些包,选择y安装即可
查看一下Anaconda下的Python环境,可以发现tfenv_gpu已创建成功。
切换到tfenv_gpu环境
activate tfenv_gpu
![](https://img-blog.csdnimg.cn/20190621173537776.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAwNzIwNDM=,size_16,color_FFFFFF,t_70)
安装tensorflow
转到你的tensorflow安装包所在路径
cd C:\Users\wushe\Downloads
然后安装tensorflow包
pip install tensorflow_gpu-1.13.1-cp37-cp37m-win_amd64.whl
![](https://img-blog.csdnimg.cn/20190621173938277.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAwNzIwNDM=,size_16,color_FFFFFF,t_70)
结束之后,如果在该环境下使用
import tensorflow as tf
会提示缺少DLL,因为我们安装的是GPU版本,还需要安装cuda和cuDNN。
2.3 安装cuda和cuDNN
安装cuda,双击安装包,一步步安装即可。
由于安装包内还集成了其他内容,这里我们只勾选cuda进行安装
至此,cuda就安装完成了。接下来,安装cuDNN。由于cuDNN是cuda的基于深度学习的插件,我们将其安装包解压到cuda的安装目录下就可以了。
至此,所有的配置过程就完成了!
3. 环境测试
通过一个简单的例子测试一下搭建的环境
import tensorflow as tf
hello = tf.constant('Hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))
![](https://img-blog.csdnimg.cn/20190622110612801.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3UwMTAwNzIwNDM=,size_16,color_FFFFFF,t_70)
可以发现,该实例运行调用了GPU,并成功运行。需要提醒的是,第一次使用添加gpu设备时会花较长时间,静静等它配置完毕就好了。至此,一个支持GPU加速的tensorflow环境搭建成功!
参考资料
[1] 使用anaconda安装tensorflow (windows10环境)
[2] Anaconda安装、Tensorflow配置、安装python2和python3两个环境、pycharm的使用
[3] 基于Anaconda2的tensorflow+python2.7+jupyter notebook配置详解
[4] 解决Python3.7不能安装tensorflow<1.13的问题
[5] win10下Anaconda3配置环境变量
[6] linux 安装tensorflow(gpu版本)
[7] windows下设置GPU加速tensorflow运算(GT940M)
[8] tensorflow-GPU加速-win10(NVIDIA GeForce 940MX)下的安装教程(VS2015+Cuda9.0)
[9] 解决Tensorflow 使用时cpu编译不支持警告
[10] tensorflow提示:此版本TensorFlow不支持AVX2但是你的cpu支持
[11] tensorflow各个版本的CUDA以及Cudnn版本对应关系