【深度学习环境搭建系列】（3）keras安装：win10+anaconda3+nvs4200M+cuda9.0+cudnn7.0+tensorflow1.8+keras2.1

参考文章：

在原生Windows安装Keras

Keras安装和配置指南(Windows)

深度学习环境搭建：win10+GTX1060 + tensorflow1.5+keras+cuda9.0+cudnn7

在win10下安装最新Tensorflow1.6（CUDA9.0+cuDNN7.0）

 

一、anaconda3安装

使用anaconda进行库的安装。下载地址：https://repo.continuum.io/archive/index.html

我安装的版本是：

 

二、visual studio2017安装

2017正式免费社区版，下载地址：https://dl.iplaysoft.com/files/4012.html

三、cuda安装

说明：

（1）一开始安装的cuda9.1，后来import tensorflow报错。

（2）发现官方tensorflow最高支持到cuda9.0，要想保持cuda9.1，只能自己编译可用的tensorflow版本，或者使用网上资源-大牛编译的版本。

（3）由于是tensorflow小白，第一次安装tensorflow就使用自己编译版本很不放心。

（4）接下来搜索网上大牛提供的版本，但发现要求是显卡计算能力要在3以上，而我现在的电脑Thinkpad T420显卡是nvdia 4200M，计算能力2.1。所以这条路也走不通。

（5）只能将cuda降级。准备安装组合：cuda9.0+visual studio2017+cudnn7.0+tensorflow

 

1、下载安装

如果使用gpu加速：则cudn安装；否则跳过步骤2。

https://developer.nvidia.com/cuda-downloads

以下下载安装的是：base installer和patch1 2。

如果直接运行上述3个.exe，解压报错的话，则将.exe先解压，再运行setup.exe文件。

 

 

2、环境变量配置

下面配置cuda的环境变量，安装好cuda后，会自动生成两个系统环境变量 

CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 
CUDA_PATH_V9_0 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

自己再添加如下几个环境变量 

CUDA_BIN_PATH　　%CUDA_PATH%\bin

CUDA_LIB_PATH　　%CUDA_PATH%\lib\x64

CUDA_SDK_PATH 　C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0

CUDA_SDK_BIN　　%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB　　%CUDA_SDK_PATH%\common\lib\x64 

配置好环境变量之后重启电脑。

 

3、查看电脑支持的cuda版本号的方法

控制面板---搜索：nvidia----选择NVIDIA控制面板---帮助---系统信息---组件

 

4、验证cudn的安装：cmd-->nvcc -V

 

四、cudnn安装

下载地址：https://developer.nvidia.com/rdp/cudnn-download

cuda9.0配套的cudnn为：

从官网下载需要注册 Nvidia 开发者账号，我的帐号密码为：67628306@qq.com，密码Xq881116。 下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\9.0

 

五、pip切换源地址

切换到国内的镜像，提高安装的速度和成功率。在user目录中创建一个pip目录，如:\Users\administrator\pip，创建pip.ini，写入以下内容：

    [global]  
    index-url = http://mirrors.aliyun.com/pypi/simple/  
    [install]  
    trusted-host=mirrors.aliyun.com 

上面是阿里云，其它的国内镜像还有：

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/ 

豆瓣：http://pypi.douban.com/simple/

 

六、tensorflow

打开anaconda prompt输入pip install --upgrade tensorflow回车。如果是GPU版本，输入pip install --upgrade tensorflow-gpu即可。装完了测试下（IPython中），能输出结果32就是成功的。

>>>import tensorflow as tf  
>>>sess = tf.Session()  
>>>a = tf.constant(10)  
>>>b = tf.constant(22)  
>>>print(sess.run(a + b)) 

 

安装测试过程：

import tensorflow as tf一开始有如下报错：

报错原因：h5py和numpy不相容，修改numpy类型。tensorflow需要的numpy至少1.13.3以上，所以：pip install numpy==1.13.3

再进行验证，解决。

 

七、keras

打开anaconda prompt输入pip install keras --pre即可安装。装完了测试下，能正常运行就是成功，他给的示例数据下载的比较慢，需要开启科学上网才行：

>>> conda install git
>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py

 

测试安装过程：

没有报错

conda install git

git clone https://github.com/fchollet/keras.git

cd keras/examples/

python mnist_mlp.py

程序无错进行，至此，keras安装完成。