安装Anaconda
https://www.anaconda.com/download/ (不推荐,官网下载慢)
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ (推荐:清华大学开源软件镜像站进行下载并配置镜像)
安装Virtual Studio
https://visualstudio.microsoft.com/zh-hans/downloads/ (社区版是免费试用的,我下的是2017版。如果想用CUDA8.0,必须安装VS2015以下的版本,因为CUDA8.0与VS2017不兼容。)
为什么要装VS?见cuda官方安装文档:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html 虽然也有网友说不装VS也可以正常使用~~
检查自己的电脑显卡支持CUDA
右击此电脑——>管理——>设备管理器——>显示适配器:
官网查看对应的CUDA:https://developer.nvidia.com/cuda-gpus
没有GTX 1050的信息,但是随便百度就能发现一堆网友可以正常安装CUDA9.0
官网有毒……
安装CUDA9.0
下载CUDA安装包,https://developer.nvidia.com/cuda-downloads,我用的是历史版本CUDA9.0(https://developer.nvidia.com/cuda-toolkit-archive )
下载这个base installer即可。
不要选择下载network版本,因为部分会被墙。下载local版本时,如果你够幸运,应该可以下载完整版本安装无误。但是我用浏览器下载了很多次,也下载了多个版本,都没有成功。一般是它下载到中间会暂停一下,然后你点击继续下载后,它就很快下载成功了。但是其实并没有下载完全,因为你去执行的时候总会报错“non 7z archive”。
压缩文件损坏,用解压软件打开一看,果然如下:
有网友的方法是,对下载按钮右键,选择复制链接地址,用迅雷新建任务,粘贴后下载即可。或者先翻墙再去官网重下。也有网友是先翻墙再在官网上重新下载的。多尝试尝试吧,总是可以的。
总之报错“non 7z archive”一定是下载的文件不全,不是电脑系统问题,不要傻傻地重装电脑,很麻烦的!
安装CUDA
下载成功后,然后双击安装,会让你选一个临时地址放提前的文件,默认就好,或者选一个空文件夹,之后会自动删除。
如果你的驱动和我一样也特别新,可能会有提示建议不要安装CUDA带的驱动,继续就好。
如果还是无法安装,就取消[Visual Stiudio Integration]选项
不要修改默认路径,然后安装即可
如果出现NVIDIA 安装程序无法继续、或者visual studio integration 失败,说明visual studio 的版本和CUDA不匹配。有网友是将VS2017改成2015就可以了。重新安装对应版本的visual studio,再安装对应版本的cuda。我是将上面那个Virtual Studio Integration选项取消掉后就可以安装了。
下载安装好了之后不要忘记系统环境配置,右击此电脑——>属性——>高级系统设置——>环境变量
CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
CUDA_BIN_PATH:%CUDA_PATH%\bin
CUDA_LIB_PATH:%CUDA_PATH%\lib\Win32
CUDA_SDK_BIN:%CUDA_SDK_PATH%\bin\Win64
CUDA_SDK_LIB:%CUDA_SDK_PATH%\common\lib\x64
CUDA_SDK_PATH:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
下载对应版本的CUDNN
下载cudnn要注册账号https://developer.nvidia.com/rdp/form/cudnn-download-survey,一定要与刚刚安装的CUDA版本对应,我这里下载的是cuDNN v7.4.1 for CUDA 9.0。也可以在CSDN下载页面花了两积分下载的CuDNN7:http://download.csdn.net/download/qq_34364066/10123615
解压cudnn-9.0-windows10-x64-v7.1.zip文件,如下:
然后移动文件,将上图bin、include、lib中的文件分别复制到CUDA的安装路径:.\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib中。 下面是官方文档
安装TensorFlow
注意事项:各版本具有匹配关系,如python3.7与tensorflow目前不兼容。所以虽然我Anaconda的base环境中是python3.7,但在tensorflow环境中我给重装成python3.6了(python3.5也可以)。
可以直接打开tensorflow官网https://www.tensorflow.org/install/install_windows#installing_with_anaconda,跟着指导的步骤做下去:
创建cuda环境:
conda create -n tensorflow_gpu pip python=3.6
激活cuda环境:
activate tensorflow_gpu
安装GPU版本的tensorflow:
pip install --ignore-installed --upgrade tensorflow-gpu
注意:在安装完GPU版的tensroflow后,由于是新创建的conda环境,该环境中基本上是空的,有很多包和IDE并没有安装进来,例如“Ipython”,“spyder”。此时如果我们在该环境下打开spyder或Ipyton或jupyter notebook等,会发现其实IDE使用的kernel并不是新建立的这个环境的kernel,而是“base”这个环境的,而“base”环境中我们并没有安装tensorflow,所以一定无法import。这也就是为什么有很多人在安装好tensorflow后仍然在IDE里无法正常使用的原因了。这时候就可以进入Anaconda的Navigator中选择刚刚的环境,然后搜索进行安装。
下面是我已经安装结束的情况(在tensorflow_gpu环境下):
验证安装
打开CMD,输入nvcc –V,如果输出如下图所示,即表示安装成功。
如果此时进入tensorflow_gpu环境导入tensorflow时出错无法导入,显示缺少什么什么包和库的,或者缺少环境配置,也有可能是某个包太新。
我这里是报错缺少一些DLL,所以我就更新了一下,自动下载了一些包安装的。之后就没有报错了。
只要import没错应该就OK了,我这里用的是一个简单的加法测试代码:
配置pycharm
选择file——>settings——>project——>project interpreter,点击最右边的那个设置按钮,然后Virtualenv Environment——>Existing environment,在Interpreter里添加你刚刚创建环境的python地址。
下图是我已经配置好的情况:
上经典的测试代码:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
写在后面的话:
这些环境的安装配置是个很麻烦的事情,如果不幸遇到了各种奇葩的报错,那真的是需要耗费好久了,耐心耐心,想一想“hello,tensorflow”在向你招手……