安装了tensorflow却显示无此模块_win10+vs2017+cuda10.0+python+ tensorflow r1.12 安装

前两天笔者实验室新进了俩煤气灶（技嘉 AORUS），老高兴了。

刚升级好CUDA 10，cuDNN 7.3.1，按照以前的操作配置一下，准备装装逼做个大餐。结果 import tensorflow 之后GG

    return load_dynamic(name, filename, file)
  File "C:UserssiriuAppDataLocalProgramsPythonPython37libimp.py", line 343, in load_dynamic
    return _load(spec)
  ImportError: DLL load failed: 找不到指定的模块。

  Failed to load the native TensorFlow runtime.

顿时心有点凉凉。。。

然后在Stack Overflow查了十几个可能的错误，重新安装几遍之后，我终于放弃了。以前装r1.2，r1.6 的时候 从来没有这么费劲儿过，tensorflow的gpu 版本再也不是随便装个VC 2015依赖库，装个CUDA，装几个python外挂库，再填几个环境变量就能解决问题的了。哎……

转头开始用pytorch（真香，真**柔顺丝滑，好用！）

但是以前的代码现在都跑不了，全都移植到pytorch太痛苦了。所以移植痛不如装好tensorflow痛，本人决定好好搞搞这个问题。

隆重介绍我参考的两份资料。分别是CSDN博客，tensorflow官方文档，两份文档其实已经包含了很多信息了，但是有一些细节还不是很充分，笔者就来查缺补漏一波，来个完整版。

https://www. tensorflow.org/install/ source_windows https:// blog.csdn.net/rexran/ar ticle/details/83825623

最后笔者实现的是：Win10+VS2017+cuda10.0+cudnn7.4.2+python3.7.2+tensorflow r1.12-gpu

tenforflow-gpu 依赖库

首先，从官方文档上看，tensorflow自 r-1.11版本以后，就再也不用cmake做构建工具了，以前轻松在 pip install tensorflow-gpu时顺带安装的cmake没了。安装原来的安装方式，import tensorflow之后很有可能就出现上述提到的错误。从tensorflow r1.11以上的版本开始，win10 环境下还需要 bazel 作为 tf 的构建工具，再不是以前 pip 一下什么 cmake 统统一起装好那么简单了。

说这么多废话，安装过程如下：

一、安装python以及部分外挂库

本人喜欢纯净的python，享受一把配置的快感，不喜欢anaconda，所以直接去以下两个网址下载纯净的python以及一些常用的外挂库（numpy+mkl，scipy，pandas，pillow，matplotlib，scikit-learn等）：

Welcome to Python.org https://www. lfd.uci.edu/~gohlke/pyt honlibs/

二、安装 pycharm 或者 jupyter notebook

学生党，装个可以免费用的pycharm当IDE，有时候用用jupyter notebook，都装上

三、安装 Visual Studio 2017

下载个 Visual Studio 2017 Community 版本的（其实大多学校里可以下Professional，笔者比较嫌激活麻烦，就懒得装了），安装：

C++桌面开发 用于桌面 C++ [x86 和 x64]的 Windows 10 SDK （在单个组件中）

后面安装的CUDA10.0的例子需要C++Win10 SDK (10.0.15063.0) 版本的SDK来编译，但我两个版本的都装了，以防万一。

四、安装 MSYS2

为了安装、调用上述提到的tensorflowr1.11及以上的构建工具 Bazel，可以通过VS和MSYS2两种途径走。笔者根据参考资料，用MSYS2进行安装。

• 首先在 https://www.msys2.org/ 网站下载最新版msys2安装包，2019.03.10为止最新版是是：http://repo.msys2.org/distrib/x86_64/msys2-x86_64-20180531.exe
• 全程根据默认设置安装。安装完成后运行msys2.exe，更新内核和包：（输入）pacman -Syu静静等着更新完后根据提示直接关闭窗口就好了。
• 然后将其启动程序所在目录.usrbin添加到环境变量中（.i.e C: msys64usrbin）
• 然后 win+R-->cmd，输入指令 > pacman -S git patch unzip 安装相关依赖包

五、安装 Bazel

新版本的tensorflow已经不再使用cmake编译，改用Bazel。可以选择用 MSYS2 下载Bazel的.exe文件。也可以自行从官网或者github上下载

• 首先win+R-->cmd，打开命令行界面，输入 "C:msys64msys2_shell.cmd"
• 然后进入MSYS2界面，输入以下指令：

cd /c/
mkdir bazel
cd bazel/
wget https://github.com/bazelbuild/bazel/releases/download/0.17.2/bazel-0.17.2-windows-x86_64.exe -O bazel.exe

大意就是在C盘建立 bazel文件夹，并在里面下载0.17.2版本的bazel（从tensorflow官网上看0.15.0最好，但其实0.17版本的也没啥问题）

• 然后就是建立几个环境变量：

1. 首先将 C:bazel 加入PATH
2. 然后在系统变量里面建立以下几个变量：

BAZEL_SH，值为MSYS2 bash.exe的路径，如 C: msys64usrbinbash.exe;
BAZEL_VS，值为VS2017的路径，如 C:Program Files (x86)Microsoft Visual Studio2017Community；
BAZEL_VC，值为VC编译工具的路径，如 C:Program Files (x86)Microsoft Visual Studio2017 CommunityVC

六、安装Nvidia驱动

这个很简单了，直接官网一波下下来默认安装就好（不能没有驱动，否则tensorflow会警告，pytorch运行不了），

七、安装CUDA 和 cuDNN

笔者安装的是CUDA 10.0 和cuDNN 7.4.2下载好了默认安装，然后把cuDNN依赖包放在CUDA安装路径里面（这个是老生常谈了）。安装完了之后，重点是检查以下系统变量里面是否有：

CUDA_PATH= C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0
CUDA_PATH_V10_0= C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0

同时，还需要再添加以下三个变量到PATH里面（后面两个好像安装的时候会自动写进去）

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0extrasCUPTIlibx64
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0bin
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0libnvvp

到此为止可以检测有没有装好 驱动 和 CUDA，任何一个没有装好，tensorflow和pytorch的cuda版本都会报错。可以通过 win+R-->cmd 中运行

> "C:Program FilesNVIDIA CorporationNVSMInvidia-smi.exe"（有引号）

或者打开文件夹 C:Program FilesNVIDIA CorporationNVSMI， 直接把 nvidia-smi.exe 拖入cmd界面中即可。如果装好了，就会显示你GPU和驱动的具体信息：

• 最上一行是驱动版本和CUDA版本，
• 第二/三行从左到右依次表示：
• GPU编号/GPU风扇运行情况（上下），名称/GPU温度（上下），性能状态（RTX-P8），实际运行功率/额定功率（14W/260W），总线ID/是否外接显示器（上）/使用内存和总内存（下），GPU使用率，ECC的东西，计算模式

八、安装tensorflow

根据官网的推荐（不是直接用pip）需要手动配置tensorflow（手动配置其实要快一些，pip安装时候，网稍有不稳定就崩了）

首先win+R-->cmd，依次输入

> git clone https://github.com/tensorflow/tensorflow.git
> cd tensorflow
> git checkout r1.12
> python ./configure.py

大意是使用 Git 克隆 TensorFlow 代码库（git在安装MSYS2时候就装好了），然后转到tensorflow根目录下，选定要构建的tensorflow版本，比如我的是r1.12，之后在根目录下开始配置tensorflow

之后就进入配置界面：

• 首先会问你依赖哪个python库，然后给你个default，一般直接回车就好了；
• 其次问你python外挂放在哪个文件夹，也有default 一般直接回车就好了
• 容易出错的点在于----问你需要把tensorflow用于支撑什么样的GPU运算平台，可选的有SYCL，ROCM，CUDA。如果你是要选CUDA的话，其他几个都选N，否则在选完了最后就会报错：

Traceback (most recent call last):
File "./configure.py", line 1693, in <module>
main()
File "./configure.py", line 1655, in main
raise UserInputError('SYCL / CUDA / ROCm are mututally exclusive. '
__main__.UserInputError: SYCL / CUDA / ROCm are mututally exclusive. At most 1 GPU platform can be configured.

（这个错误充分的告诉我们，做人不能太贪心，要选只能选一样） 对应的源代码如下：

"if environ_cp.get('TF_NEED_OPENCL_SYCL') == '1':
gpu_platform_count += 1
if environ_cp.get('TF_NEED_ROCM') == '1':
gpu_platform_count += 1
if environ_cp.get('TF_NEED_CUDA') == '1':
gpu_platform_count += 1
if gpu_platform_count >= 2:
raise UserInputError('SYCL / CUDA / ROCm are mututally exclusive. '
'At most 1 GPU platform can be configured.')"

之后没几步就差不多配置完了，然后我打开IDE，import tensorflow，运行以前的一个程序：

2019-03-11 14:12:50.314016: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1512] Adding visible gpu devices: 0
2019-03-11 14:12:50.732208: I tensorflow/core/common_runtime/gpu/gpu_device.cc:984] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-03-11 14:12:50.732337: I tensorflow/core/common_runtime/gpu/gpu_device.cc:990]      0 
2019-03-11 14:12:50.732410: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1003] 0:   N 
2019-03-11 14:12:50.732607: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 8697 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2080 Ti, pci bus id: 0000:01:00.0, compute capability: 7.5)

真的激动。。。泪目啊！