WindowServer2012R2+Anoconda3.5.0.1+CUDA9.0+cuDNN7.1.3+Tensorflow-gpu1.6离线搭建深度学习开发环境

WindowServer2012R2+Anoconda3.5.0.1+CUDA9.0+cuDNN7.1.3+Tensorflow-gpu1.6离线搭建深度学习开发环境

关键词：Windows，Tensorflow-gpu，离线搭建

实验室电脑都是Windows环境且电脑不能联网，所以只能离线搭建，在此记录了爬坑的搭建过程，亲测有效。供大家参考，也方便自己今后查阅。

1.安装前的准备工作

在安装之前，在网上找了好几个教程，以下几个教程帮助比较大，在此表示感谢。

学习笔记1：深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0

Windows2012 r2 ，NVDIA M60 GPU cuda9.1 cuDNN7.1.3 anaconda3.4.1 python3 tensorflow-GPU 深度学习环境搭建及实测

TensorFlow-gpu windows10 cuda 离线配置安装

以及安装第三方库时常用的资源网站：

1.清华大学镜像资源网站

2.Unofficial Windows Binaries for Python Extension Packages

• 相关安装包的下载：

  Anaconda3.5.0.1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

  CUDA9.0https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=Server2012R2&target_type=exelocal

  **cuDNN(需要注册)**https://developer.nvidia.com/rdp/cudnn-download#a-collapse705-91，针对Windows server没有对应的版本，但经测试window7上的cuDNN V7.1.3可用

  VS2015社区版https://www.cr173.com/soft/124533.html

  Tensorflow1.6-GPUhttps://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/

  Pycharm2018(这个是IDE，看个人习惯是否安装) https://www.jetbrains.com/pycharm/

  英伟达显卡驱动：https://www.nvidia.com/Download/Find.aspx

  上面就是主要的安装包，由于是离线安装，过程中还会缺少一些中间文件，这个在后面对应部分介绍。

资源准备好了之后，可以动手开始安装了。

2.安装过程

由于在window环境下安装CUDA，要先安装VS C++的开发环境，所以在安装CUDA之前先安装VS2015和最新的显卡驱动程序。

1.显卡驱动安装

首先在cmd命令窗口中查询显卡的型号：

先CD到C:\Program Files\NVIDIA Corporation\NVSMI目录下

运行NVIDIA-SMI命令

根据自己的显卡型号在上述下载显卡驱动的网站下下载对应的驱动：

下载之后，按照安装提示进行即可。

2.VS2015安装

因为VS 2015 Community是免费且开源的，也足够用。选择安装此版本。过程没什么坑点，按照提示安装即可。（对于没有安装过VS的可以找找VS的安装教程）

3.Anoconda安装

首先在清华镜像资源网站上下载对应的安装包：

此版本对应的python是3.6版本的。

安装过程按照提示即可，中间有一个是否加入系统变量的选项，勾上。

安装完成后，需要更改一下系统的环境变量：

在系统变量里有一个名叫Path的变量，选中，点击编辑，在里面添加以下两语句：

前面是安装路径，我是直接安装在C盘下面的Anaconda3的文件夹里，注意不同路径之间用分号隔开。

添加完成之后，就可以在cmd或者anaconda prompt里启动python了。

C:\Anaconda3;C:\Anaconda3\Scripts

4.CUDA9.0的安装

首先下载好安装包，由于选择的安装方式是local，所以下载时，除了base installer外，其余几个更新的安装包也要下载

首先，安装Base Installer，然后依次安装Patch1-Patch4更新包。

按照提示安装即可，Base Installer安装模式选择自定义安装，去掉里面的第三个方框（这个是安装显卡驱动的选型），因为之前我们已经安装过了。Base Installer安装结束界面，有个run sample选项框，勾上（这个是用CUDA里自带的例子检测是否安装成功）。

自动打开到…\v9.0\的文件目录下，进入1_Utilities>deviceQuery，运动deviceQuery_vs2015.vcxproj，编辑运动该项目，跳出的控制台窗口中如果出现PASS字样，表示已经安装成功。

5.cuDNN v7.1.3安装

1. 下载Windows 7对应版本的cuNDD v7.1.3，下载下来是一个zip的安装包

   解压–里面有bin，lib，include三个文件夹，全部复制

   到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.0文件下覆盖

2. 添加环境变量

   在名为CUDA_PATH和path的环境变量里加上以下三个变量即可。

   C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.1
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\lib\x64
   

6.Tensorflow-gpu 1.6.0安装

离线安装比较麻烦，虽然Anaconda里已经包含了大量已安装好的第三方包，但是还是会缺少一些。先告诉大家解决思路：

安装的TensorFlow版本：tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl

自顶向下安装，提示缺少什么版本的安装包，就先安装缺少的包，一步步就可以解决！

这里给大家列出来了，缺少以下这些包：

这一步安装好之后，到此就安装完成了。

基本环境搭建好了，根据工作需要还缺少什么第三方包，按照这个思路去安装就行了。

3.测试

1.打开cmd窗口–输入命令python–输入命令import tensorflow as tf，不报错则表示tensorflow安装成功。

2.键入以下代码，看GPU是否被正常调用

import tensorflow as tf
a=tf.constant('Hello World')
sess=tf.Session()
print(sess.run(a))

直至，安装过程结束了。

如果大家觉得，上述内容对你有帮助，请点个赞！