使用Tensorflow-GPU运行自己的Prisma

准备工作

之前的准备工作，主要是：

• 已经使用了CPU版本的tensorflow成功运行了该算法
• 已经成功安装完成tensorflow-gpu版本

开始运行

1. 在Anaconda Prompt窗口中，进入Tensoflow环境，并运行python：

> activate tensorflow

> python

2. 导入tensorflow，并将python的工作目录，转到该程序所在的目录下：

注意：在切换python的工作目录时，在win下复制的路径需要转换一下。原始的wins下的目录为：C:\Users\yitian.z\CNN\image-style-transfor-master，转换后的目录为：C:/Users/yitian.z/CNN/image-style-transfor-master。

3. 在运行项目之前，需要安装scipy和mkl package

相关包的依赖顺序为：在安装scipy package之前，需要安装numpy+mkl packages。但在wins平台下，直接安装mkl和scipy packages均失败。所以这里使用下载后，在本地安装。

Packages下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

选择和系统版本匹配的numpy+mkl packages 和scipy package。我这里使用的为：

下载后，将两个文件放到tensorflow环境相应的工作目录下，我这里为：

使用如下命令和顺序进行安装：

pip install numpy-1.12.0b1+mkl-cp35-cp35m-win_amd64.whl

pip install scipy-0.19.0rc2-cp35-cp35m-win_amd64.whl

安装完成后，继续。

4. 在python环境中，运行项目

命令：

neural_style.py –content 1-content.jpg –styles 1-style.jpg –out OutFile.jpg

出现错误1：module scipy.misc has no attribute imread

解决方法：报错是因为要安装PIL库，库名现在为Pillow，在命令行上安装即可：pip3 install Pillow

出现问题2：

问题描述：这里的问题应该是出现在cuDNN packages版本较低，这里使用的为cnDNN 5.0 for CUDA 8.0，看来需要更新到cnDNN 5.1 for CUDA8.0.

解决方法：下载cnDNN 5.1 for CUDA8.0 package解压文件之后，将解压文件中的各个目录下的文件复制到CUDA相应的目录中。解压后的文件目录为：

复制到的目录为：

重新运行该程序

成功运行：

查看GPU的使用率：

运行效率

使用CPU进行运行时，完成默认的1000次迭代输出，大约用时：480mins。使用GPU，相同的迭代次数，大约用时：45mins

运行结果

+