Windows 设置
安装以下构建工具以配置 Windows 开发环境。
安装 Python 和 TensorFlow 软件包依赖项
安装适用于 Windows 的 Python 3.5.x 或 Python 3.6.x 64 位版本open_in_new。选择 pip 作为可选功能,并将其添加到 %PATH% 环境变量中。
安装 TensorFlow pip 软件包依赖项:
C:> pip3 install six numpy wheel
C:> pip3 install keras_applications1.0.6 --no-deps
C:> pip3 install keras_preprocessing1.0.5 --no-deps
这些依赖项就列在 setup.pyopen_in_new 文件的 REQUIRED_PACKAGES 下。
安装 Bazel
安装 Bazel,它是用于编译 TensorFlow 的构建工具。如需确认适用的 Bazel 版本,请参阅适用于 Windows 的经过测试的构建配置。配置 Bazel 来构建 C++open_in_new。
将 Bazel 可执行文件的位置添加到 %PATH% 环境变量中。
安装 MSYS2
为构建 TensorFlow 所需的 bin 工具安装 MSYS2open_in_new。如果 MSYS2 已安装到 C:\msys64 下,请将 C:\msys64\usr\bin 添加到 %PATH% 环境变量中。然后,使用 cmd.exe 运行以下命令:
C:> pacman -S git patch unzip
安装 Visual C++ 生成工具 2019
安装 Visual C++ 生成工具 2019。该工具随附在 Visual Studio 2019 中,但可以单独安装:
1.转到 Visual Studio 下载open_in_new页面,
2.选择“可再发行组件和生成工具”,
3.下载并安装: •Microsoft Visual C++ 2019 可再发行组件包
•Microsoft 生成工具 2019
star注意:TensorFlow 已针对 Visual Studio 2019 进行了测试。
安装 GPU 支持项(可选)
如需安装在 GPU 上运行 TensorFlow 所需的驱动程序和其他软件,请参阅 Windows GPU 支持指南。
下载 TensorFlow 源代码
使用 Gitopen_in_new 克隆 TensorFlow 代码库open_in_new(git 随 MSYS2 一起安装):
C:> git clone https://github.com/tensorflow/tensorflow.git
C:> cd tensorflow
该代码库默认为 master 开发分支。您也可以检出想要构建的版本分支open_in_new:
C:> git checkout branch_name # r1.9, r1.10, etc.
lightbulb_outline要点:如果您在使用最新的开发分支时遇到构建问题,请尝试已知可用的版本分支。
配置 build
通过在 TensorFlow 源代码树的根目录下运行以下命令来配置系统构建:
C:> python ./configure.py
此脚本会提示您指定 TensorFlow 依赖项的位置,并要求指定其他构建配置选项(例如,编译器标记)。以下代码展示了 python ./configure.py 的示例运行会话(您的会话可能会有所不同):
配置选项
为了支持 GPU,请指定 CUDA 和 cuDNN 的版本。如果您的系统安装了多个版本的 CUDA 或 cuDNN,请明确设置版本,而不是依赖于默认版本。./configure.py 会创建指向系统 CUDA 库的符号链接,因此,如果您更新 CUDA 库路径,就必须在构建之前再次运行此配置步骤。
star注意:从 TensorFlow 1.6 开始,二进制文件使用 AVX 指令,这些指令可能无法在旧版 CPU 上运行。
构建 pip 软件包
TensorFlow 2.x
tensorflow:master 代码库已经默认更新为 build 2.x。请安装 Bazel 并使用 bazel build 创建 TensorFlow 软件包。
C:> bazel build //tensorflow/tools/pip_package:build_pip_package
TensorFlow 1.x
如需从 master 分支构建 TensorFlow 1.x,请使用 bazel build --config=v1 创建 TensorFlow 1.x 软件包。
C:> bazel build --config=v1 //tensorflow/tools/pip_package:build_pip_package
仅支持 CPU
使用 bazel 构建仅支持 CPU 的 TensorFlow 软件包构建器:
C:> bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
GPU 支持
要构建支持 GPU 的 TensorFlow 软件包编译器,请运行以下命令:
C:> bazel build --config=opt --config=cuda --define=no_tensorflow_py_deps=true //tensorflow/tools/pip_package:build_pip_package
Bazel build 选项
在构建时使用以下选项,避免在创建软件包时出现问题:tensorflow:issue#22390
C:> --define=no_tensorflow_py_deps=true
请参阅 Bazel 命令行参考文档,详细了解构建选选项。
从源代码构建 TensorFlow 会消耗大量 RAM。如果您的系统受内存限制,请将 Bazel 的 RAM 使用量限制为:–local_ram_resources=2048。
如果构建支持 GPU 的 TensorFlow,请添加 --copt=-nvcc_options=disable-warnings 以禁止显示 nvcc 警告消息。
构建软件包
bazel build 命令会创建一个名为 build_pip_package 的可执行文件,此文件是用于构建 pip 软件包的程序。例如,以下命令会在 C:/tmp/tensorflow_pkg 目录中构建 .whl 软件包:
C:> bazel-bin\tensorflow\tools\pip_package\build_pip_package C:/tmp/tensorflow_pkg
尽管可以在同一个源代码树下构建 CUDA 和非 CUDA 配置,但建议在同一个源代码树中的这两种配置之间切换时运行 bazel clean。
安装软件包
生成的 .whl 文件的文件名取决于 TensorFlow 版本和您的平台。例如,使用 pip3 install 安装软件包:
C:> pip3 install C:/tmp/tensorflow_pkg/tensorflow-version-cp36-cp36m-win_amd64.whl
check_circle成功:TensorFlow 现已安装完毕。
使用 MSYS shell 构建
也可以使用 MSYS shell 构建 TensorFlow。做出下面列出的更改,然后按照之前的 Windows 原生命令行 (cmd.exe) 说明进行操作。
停用 MSYS 路径转换
MSYS 会自动将类似 Unix 路径的参数转换为 Windows 路径,而此转换不适用于 bazel。(标签 //path/to:bin 被视为 Unix 绝对路径,因为它以斜杠开头。)
$export MSYS_NO_PATHCONV=1
$export MSYS2_ARG_CONV_EXCL="*"
设置 PATH
将 Bazel 和 Python 安装目录添加到 $PATH 环境变量中。如果 Bazel 安装到了 C:\tools\bazel.exe,并且 Python 安装到了 C:\Python36\python.exe,请使用以下命令设置 PATH:
Use Unix-style with ‘:’ as separator
e
x
p
o
r
t
P
A
T
H
=
"
/
c
/
t
o
o
l
s
:
export PATH="/c/tools:
exportPATH="/c/tools:PATH"
e
x
p
o
r
t
P
A
T
H
=
"
/
c
/
P
y
t
h
o
n
36
:
export PATH="/c/Python36:
exportPATH="/c/Python36:PATH"
如需支持 GPU,请将 CUDA 和 cuDNN bin 目录添加到 $PATH 中:
e
x
p
o
r
t
P
A
T
H
=
"
/
c
/
P
r
o
g
r
a
m
F
i
l
e
s
/
N
V
I
D
I
A
G
P
U
C
o
m
p
u
t
i
n
g
T
o
o
l
k
i
t
/
C
U
D
A
/
v
9.0
/
b
i
n
:
export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/bin:
exportPATH="/c/ProgramFiles/NVIDIAGPUComputingToolkit/CUDA/v9.0/bin:PATH"
e
x
p
o
r
t
P
A
T
H
=
"
/
c
/
P
r
o
g
r
a
m
F
i
l
e
s
/
N
V
I
D
I
A
G
P
U
C
o
m
p
u
t
i
n
g
T
o
o
l
k
i
t
/
C
U
D
A
/
v
9.0
/
e
x
t
r
a
s
/
C
U
P
T
I
/
l
i
b
x
64
:
export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/extras/CUPTI/libx64:
exportPATH="/c/ProgramFiles/NVIDIAGPUComputingToolkit/CUDA/v9.0/extras/CUPTI/libx64:PATH"
e
x
p
o
r
t
P
A
T
H
=
"
/
c
/
t
o
o
l
s
/
c
u
d
a
/
b
i
n
:
export PATH="/c/tools/cuda/bin:
exportPATH="/c/tools/cuda/bin:PATH"
经过测试的构建配置
CPU
版本 Python 版本 编译器 构建工具
tensorflow-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0
tensorflow-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1
tensorflow-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1
tensorflow-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1
tensorflow-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2
tensorflow-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0
tensorflow-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0
tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0
tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3
tensorflow-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3
GPU
版本 Python 版本 编译器 构建工具 cuDNN CUDA
tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.4 10.1
tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 Bazel 2.0.0 7.4 10.1
tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 Bazel 0.27.1-0.29.1 7.4 10.1
tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 Bazel 0.26.1 7.4 10
tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 Bazel 0.24.1-0.25.2 7.4 10
tensorflow_gpu-1.13.0 3.5-3.7 MSVC 2015 update 3 Bazel 0.19.0-0.21.0 7.4 10
tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 7 9
tensorflow_gpu-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 6 8
tensorflow_gpu-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 5.1 8
原文地址:https://tensorflow.google.cn/install/source_windows#cpu
CUDA下载地址:https://developer.nvidia.cn/cuda-toolkit-archive
CUDNN下载地址:https://developer.nvidia.cn/rdp/cudnn-archive