人工智能学习tensorFlow_gpu-1.1.0图文详细安装教程（64位机win7旗舰sp1+Anaconda3-4.2.0+Pycharm2017.2.4）附所有软件下载地址

前言:安装前先确定电脑可以使用gpu运行tensorFlow，否则浪费时间。

Nvidia（英伟达）官网官网查看显卡是否支持GPU运行，Compute Capability需要在3.0及以上，否则安装后，不能用gpu运行程序，会自动调用cpu执行。

Nvidia官网：

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

 

文件下载:

链接：http://pan.baidu.com/s/1jH9ItTW  密码：0pmq

文件列表：

Anaconda3-4.2.0-Windows-x86_64.exe  （python3.5.2）

Anaconda 5.0.1(python 3.6.2)  +  tensorFlow-1.4.0 经测试也可用。

pycharm-community-2017.2.4.exe

tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

cuda_8.0.61_windows.exe

cudnn-8.0-windows7-x64-v6.0.zip

 

安装顺序:

联想笔记本电脑T430、64位机

1．win7旗舰sp1

2．cuda_8.0.61_windows.exe

3．cudnn-8.0-windows7-x64-v6.0.zip中bin、lib、include文件夹里面的文件替换

替换cuda_8.0.61_windows.exe安装目录下的bin、lib、include文件夹里面的文件（注意是文件，不是文件夹）

cuda_8.0.61_windows.exe默认安装目录 C:\ProgramFiles\NVIDIA GPUComputingToolkit\CUDA\v8.0

例如，cuda解压后在C盘

 

C:\cuda\bin\cudnn64_6.dll  复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin  目录下

C:\cuda\include\cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include 目录下

C:\cuda\lib\x64\cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64 目录下

一定要复制文件到对应目录下，目录不要混淆。如果运用中报找不到这几个文件，请在环境变量path中添加对应的目录。

 

4．Anaconda3-4.2.0 （python3.5.2版本，其他python版本和tensorFlow不稳定，有各种问题，不建议使用）

 

下载地址

https://repo.continuum.io/archive/Anaconda3-4.2.0-Windows-x86_64.exe

 

安装完成验证，电脑屏幕左下角开始(windows图标)-cmd-python

 

5．Pycharm2017.2.4 (571M)

下载地址：

https://download.jetbrains.8686c.com/python/pycharm-community-2017.2.4.exe

配置pycharm平台的tensorFlow运行环境，在第6步完成后，打开pycharm建立项目（project），例如 tensorflow-1.1.0

file-Settings...-项目名称-Project Interpreter-选择python版本（3.5.2）-ok

6．tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl安装

  tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl复制到c盘根目录

开始-cmd

pip install c:\tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

或者执行：

pip install --upgrade --ignore-installed tensorflow-gpu

系统自动匹配（pip指令在Anaconda安装后可以使用）

需要执行很长时间，下载关联的文件，如果网速不稳，会断掉。

Anaconda 5.0.1(python 3.6.2)  +  tensorFlow-1.4.0 经测试也可用。

 

其他版本tensorFlow下载地址：https://pypi.python.org/pypi/tensorflow#downloads

7．验证

安装完成，在Pycharm平台新建tensorFlowtest.py文件并执行

 

# -*- coding: utf-8 -*-
#tensorFlowtest.py

import tensorflow as tf

hello =tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0,6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0,6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)

#Creates a session withlog_device_placement set to True.
sess =tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print(sess.run(c))

 

如果出现如下问题，表示显卡不满足gpu执行要求。cuda对显卡最小兼容要求是3.0。

gpu_device.cc:1093] Ignoring visible gpu device (device: 0, name: Geforce 710M, pci bus id: 0000:01:00.0, compute capability: 2.1) with Cuda compute capability 2.1. The minimum required Cuda capability is 3.0.

 

参考

Anaconda python 版本对应关系表