Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建

小编最近在做深度学习中目标检测的相关研究，一直在看论文，正准备配置GPU的相关事务，最近看到一篇blog，收获颇多。

 anaconda真是一个好东西

 原文地址：https://blog.csdn.net/qq_30611601/article/details/79067982

说明

电脑配置：

• Acer笔记本
• CPU Inter Core i5-6200U
• GPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU)
• Windows10

所需的环境：

• Anaconda3(64bit)
• CUDA-8.0
• CuDNN-5.1
• Python-3.6
• TensorFlow 或者 TensorFlow-gpu

首先安装Anaconda3

​ 我们从官网下载(https://www.anaconda.com/download/#windows)，也可以使用我上传百度网盘的版本，链接：https://pan.baidu.com/s/1dGEC57z 密码：2om4
使用Linux的小伙伴可以同样下载Linux版本的Anaconda，之后我会再做补充的。

​ 下载好后，我们进入安装界面：

​ 这里，我们把两个都选上，第一个是加入环境变量，因为我之前安装过一次所以这里提示不要重复添加，第二个是默认的Python3.6，让后Install。

​ 在完成Anaconda的安装后，我们打开Anaconda的命令行(最好用管理员身份运行，否则可能会有权限的问题)：

​ 我们可以看到一个和Windows命令行很像的一个窗口：

安装CUDA和CuDNN

​ 这里为安装GPU版本的TensorFlow做准备，CPU版本可跳过此部分。

​ CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。虽然在之后用conda命令安装tensorflow-gpu时会自动安装cudatoolkit和cudnn，但是我总觉得自己安装一遍比较放心。

​ 我所用的CUDA和CuDNN分享到百度网盘了，链接：https://pan.baidu.com/s/1dGEC57z 密码：2om4

​ 先安装CUDA

​ 打开首先先解压：

​ 这里我们选择自定义，因为我们只安装CUDA

​ 只选择CUDA其他组件不安装，否则会安装失败

​ 这里可能会提示你安装Visual Studio，忽略掉就好了

​ 然后就开始安装了，等待安装结束就好了。

​ 解压cudnn的压缩包里面有三个文件夹

​ 把这三个文件夹复制到你cuda的安装目录下，我的地址是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

​ 这样CUDA和CuDNN就安装好了。

创建TensorFlow环境

我们在刚刚打开的命令行里输入命令(conda的命令大家可以在这篇博客中找到http://blog.csdn.net/fyuanfena/article/details/52080270)：

 这条命令的意思是创建了一个虚拟环境，可以继续安装anaconda和其他的东西

conda create -n tensorflow_gpu python=3.6

​ 中间会让我们确认一下，输入个y回车就好了。安装好后会给我们提示用activate，和deactivate进行环境的切换。

​ 我们先切换到创建好的环境中：

activate tensorflow_gpu

​ 现在，基本环境已经配置好了，我们要安装一些重要的Python科学运算库，Anaconda已经为我们准备好的一系列常用的Python苦，例如numpy，pandas，matplotlib等等，所以我们只需要安装一次anaconda库就可以把这些库全部安装好。

conda install anaconda

​ 可以看到，真的有好多常用库。

安装TensorFlow

​ 之后就是我们最重要的一步，安装TensorFlow：

CPU版本

conda install tensorflow

GPU版本

conda install tensorflow-gpu

​ 这样我们的TensorFlow环境已经配置好了。

测试

​ 最后，我们进入jupyter notebook(Anaconda自带的Python IDE，自我感觉挺好用的)输入一段官方文档录入的代码测试一下：

​ 直接输入jupyter notebook，回车

import tensorflow as tf
hello = tf.constant('Hello,TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

• 1
• 2
• 3
• 4

​ 恭喜，你的TensorFlow已经可以用了，接下来快搭建你自己的神经网络吧~！