activate tensorflow_Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建

今天分享一下本人在笔记本上配置TensorFlow环境的过程。

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，然后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)：

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库，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 tfhello = tf.constant('Hello,TensorFlow!')sess = tf.Session()print(sess.run(hello))

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~！

参考文章

1. Anaconda常用命令大全

2. NVIDIA CuDNN 安装说明