Tensorflow 源码Windows下编译

2019独角兽企业重金招聘Python工程师标准>>>

我也一懒人，用pip install tensorflow未果，才决心编译源码。好在Tensorflow源码实在赏心阅目。加上今天上海阳光明媚。Just Do it ! :)

0 看看自己平台信息

这是我的：

OS: Windows 8.1 64 bits

GPU：NVIDIA GeForce M720 比较挫。聊胜于无。好歹是支持CUDA

已经安装了Python 3.6, Visual Studio 2015, GIT, CMake。

 

1 第一个准备环境

照这个提示做

https://github.com/tensorflow/tensorflow/tree/r0.12/tensorflow/contrib/cmake

==============================================================

re-requisites

• CMake version 3.5 up to 3.6

• Git

• SWIG

• Additional pre-requisites for Microsoft Windows:

  • Visual Studio 2015
  • Python 3.5
  • NumPy 1.11.0 or late

===============================================================

//说明：

1 .CMake:是跨平台的构建工具。在Windows下可以直接生成Visual Studio的工程文件。

2．ＧＩＴ就不解释了。

３．ＳＷＩＧ：　一个绝妙工具，把Ｃ／Ｃ＋＋写的库自动暴露给脚本。这里用来生成Python包装。须知神经网络这种耗CPU的东西，核心部分当然得用C/C++写。加上脚本只是为了应用的方便。

4. Visual Studio 2015, Python 3.5不解释了。 Numpy是Python中数值计算库，计算向量，矩阵用。

Known-good configurations

Microsoft Windows 10

• Microsoft Visual Studio Enterprise 2015 with Visual C++ 2015
• Anaconda 4.1.1 (Python 3.5 64-bit)
• Git for Windows version 2.9.2.windows.1
• swigwin-3.0.10
• NVidia CUDA Toolkit 8.0
• NVidia CUDNN 5.1

Anaconda is the leading open data science platform powered by Python. The open source version of Anaconda is a high performance distribution of Python and R and includes over 100 of the most popular Python, R and Scala packages for data science.

********************************************************************************************************

OK 一通下载，NVidia CUDNN 5.1 需要注册。

1.1 先准备Python

安装Anaconda 4.1.1这个东西内置Python 3.5。感觉要冲突，不过Python环境集中在一个目录中。解决办法只需要PATH中保留一个即可。并且集成了numpy。如果不放心，可以操作一把：

打开命令行。

c:\python

import numpy

1.2 安装NVidia CUDA Toolkit 8.0

1.3 安装NVidia CUDNN 5.1

这个简单，就是库+头文件。解压到一个目录就可以。

********************************************************************************************************

2 编译的检查：

不要照搬Tensorflow的命令。可能不一样。要点是

a)设置Visual Studio环境变量：

到安装目录上找一下，这个是我的。

"C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin\vcvars32.bat"

b ) 确保nvidia CUDA是否可用。

命令行中输入：c:\nvcc

如果能运行起来。说明可以。

c) CUDNN需要手动设置：

我cudnn放在这里。

C:\cudnn\cuda\bin

把这个目录添加到PATH中。

 

3 调用cmake生成工程。

进入tensorflow源码目录，我的在d:\project\tensorflow下。

如果用git clone 太慢，可以到github上直接下载zip文件。用迅雷。

cd  D:\project\tensorflow\tensorflow\contrib\cmake

mkdir build

cd build

此时工作目录为D:\project\tensorflow\tensorflow\contrib\cmake\build

输入命令：

cmake .. -A x64 -DCMAKE_BUILD_TYPE=Release -DSWIG_EXECUTABLE=C:/swig/swig.exe -DPYTHON_EXECUTABLE=C:/Users/%USERNAME%/Anaconda3/python.exe -DPYTHON_LIBRARIES=C:/Users/%USERNAME%/Anaconda3/libs/python35.lib -Dtensorflow_ENABLE_GPU=ON -DCUDNN_HOME="c:\cudnn"

 

4 编译

cmake会在build目录下生成一堆目录，先不用细看。今天的任务是编译。就是要找到tensorflow.sln。

打开。编译。先要选择Debug版本编译，因为快。

 

OK

让她编译吧。我去吃饭，看电影，如果有错误。下回分解。

 

 

 

 

 

 

 

 

 

 

 

 

 

转载于:https://my.oschina.net/u/612750/blog/807656