时间：2018-09-13 作者：魏文应
一、说明
这篇文章的目标是：
在 windows 系统上，安装 GPU 版本的 Tensorflow 。
比起 2017 年初，我刚接触 Tensorflow 的时候，现在的 Tensorflow 安装配置方便，好了很多，官方有大量完善的文档，从中我也看到了 Tensorflow 发展迅速。由于国内长城防火墙的存在，谷歌专门在国内架设了一个 tensorflow 国内镜像站：
当然，如果你懂得如何科学上网，你可以访问 tensorflow 国外真正的 官方网站：
访问国内镜像站，直接显示的是中文，对于英文阅读能力有限的用户来说，是一件好事。其实，安装时，应该参考官方安装教程：
而其它教程作为辅助教程。安装 CPU 版本的 TensorFlow 是比较容易的，我这里尝试安装 GPU 版本的 TensorFlow ，具体如下：
-
操作系统：
window 7 64位 -
Tensorflow 版本 (GPU版)：
r1.10。 -
GPU 型号：
NVIDIA Quadro K620（根据你自己的电脑 GPU 型号而定） 。 -
cuDDN 版本：
Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0。 -
CUDA 版本：
9.0。 -
VScode 版本：
1.27.1。 -
Anconda 版本：
Anaconda3-5.2.0-Windows-x86_64.exe（一个 Python 3.6的版本）。 -
Python 版本：
Python 3.6。
二、下载及安装 CUDA 工具包
如果你安装的是 CPU 版本的 TensorFlow，那么就不需要安装 CUDA。安装 GPU 版本，需要你的电脑有 NVIDIA GPU 才可以，并且要求算力在 3.5 以上，可以在 NVIDIA 官网查看 GPU 的算力：
你可以在桌面 鼠标右击，进入 NVIDIA 控制面板，然后查看你的 GPU 型号，确保你的 GPU 性能满足要求。
下载 CUDA 工具包
不同版本的 Tensorflow 对应的 CUDA 版本不一样，必须严格对应上，既不向前支持，也不向后支持。比如它要求 9.0，我们就不能整一个 9.2 ， 必须是指定的版本。这样，可以有效防止不必要的错误。下载时，应该注意，不是下载最新 CUDA 版本 ，而是下载 CUDA 历史版本 ：
CUDA 下载页面
在上面的历史版本页面中，找到你需要的版本。
安装 CUDA 工具包
在 windows 上，安装 .exe 程序是很简单的，就是傻瓜式安装。比如，我这里要下载 CUDA 9.0 版本，下载的包就是 cuda_9.0.176_windows.exe ，点击安装它就可以了。我们需要注意：
GPU 显卡驱动相关的安装，需要谨慎安装，防止黑屏。
安装完以后，你可以新建一个额外的环境变量到系统中（这步你可以不做）：
环境变量名：CUDA_PATH
环境变量值：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
新建环境变量
三、下载及添加 cuDNN 库
如果是安装 CPU 版本的 Tensorflow，那么你不需要添加 cuDNN 库。cuDNN 是 CUDA 深度神经网络（Deep Neural Network library）的一个库，以此使 GPU 支持深度神经网络。
下载 cuDNN 库
下载 cuDNN 库之前，需要注册 NVIDIA 账号，并填写一份简单问卷调查表，方可以下载。下面是 cuDNN 页面 :
cuDNN 页面
注册、登录并填完问卷调查以后，才能进入 cuDNN 下载页面：
cuDNN 下载页面
我这里下载的是 Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 也就是 cuDNN 7.0 版本，对应于 CUDA 9.0 。你可以把安装文档下载下来看看：
cuDNN 具体版本下载页面
添加 cuDNN 库到 CUDA 中
事实上，这只是一个软件库，不是可运行的程序，所以谈不上安装。将它放在指定的位置，让 CUDA 能够找它就可以了。将刚才下载下来的 cuDNN 库进行解压，依次将库文件放入对应文件夹中即可：
cuDNN 相关文件 复制到 CUDA 相应目录
cudnn-9.0-windows7-x64-v7\cuda\bin\cudnn64_7.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\
cudnn-9.0-windows7-x64-v7\cuda\include\cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\
cudnn-9.0-windows7-x64-v7\cuda\lib\x64\cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\
复制三个文件到对应文件夹中
这样 cuDNN 就成功添加到了 CUDA 中。
四、测试显卡
安装完 CUDA 之后，我们需要看一下是否安装成功，测试一下有没有问题。
查看显卡信息
在 cmd 命令行终端中，使用下面命令可以 查看显卡信息：
nvidia-smi
这个就是英伟达 GPU 的控制面板（NVIDIA System Management Interface），它会显示 GPU 相关信息。不过，你需要将 nvidia-smi 命令所在的目录，添加到系统环境变量中，才可以使用这个命令。这个命令一般在下面这个目录中：
C:\Program Files\NVIDIA Corporation\NVSMI
查看显卡信息
查看 CUDA 版本
可以通过 nvcc -V 命令，查看 CUDA 版本信息：
查看 CUDA 版本
五、下载及安装 Anaconda 开发工具
Anaconda 是用来干嘛的呢？它可以创建运行环境的容器，指定特定的 Python 版本，用户程序可以使用这个 Python 环境来运行他们的 Python 代码。
下载 Anaconda 工具包
到 Anaconda 官网 下载相应的版本的 Anaconda ：
不同版本的 Anaconda 支持的 Python 版本不一样。对于支持 Python2 的版本，统一以 Anaconda 2 开头。对于支持 Python 3 的版本，统一以 Anaconda 3 开头。
安装 Anaconda 工具包
如果你在 windows 上安装过 python ，为了不让其起冲突，应该先卸载之前安装的 python，将你之前加入系统环境变量 PATH 中的 python 路径去掉：
C:\Python27\;C:\Python27\Scripts;C:\Program Files\Python36\Scripts\;C:\Program Files\Python36\;
在 Windows 系统上，傻瓜式安装即可。我这里安装的是 Anaconda3-5.2.0-Windows-x86_64.exe，是一个 python3.6 的版本。安装完以后，将 anconda 相关路径加入系统环境变量中（具体路径根据你的安装路径而定）：
D:\ProgramData\Anaconda3
D:\ProgramData\Anaconda3\Scripts
将上面两个路径加入系统环境变量 PATH 以后，输入 python -V 查看版本：
Anconda 的 Python 版本
六、下载及安装 TensorFlow
下载安装
打开系统的 CMD 命令行终端，通过调用以下命令创建名为 tensorflow 的 conda 环境（名字你可以随便起）：
conda create -n tensorflow pip python=3.6
图片.png
这样，就创建了一个名为 tensorflow 的环境，直观的就是在 andconda3 中的 envs 文件夹下，生成一个 tensorflow 文件夹：
创建的环境位置
进入 tensorflow 这个文件夹下，发现一个 python.exe ，这个就是我们刚才指定的 python=3.6，并且有一些 Lib 库，一会我们下载的 GPU 版本 tensorflow 就会放在 Lib 库中。envs 每个环境都有一个自己的文件夹，各自用各自文件夹内的版本程序，从而到达版本控制和环境隔离。
python 位置
通过下面命令激活 conda 环境：
activate tensorflow
在 conda 环境中安装 TensorFlow ，这里是 GPU 版本：
pip install --ignore-installed --upgrade tensorflow-gpu
如果你安装的是 CPU 版本，请执行下面命令：
pip install --ignore-installed --upgrade tensorflow
测试是否安装成功
如果你刚才没有退出 tensorflow 的 anconda 环境，那么 tensorflow 环境是处于激活状态的。如果你退出了，可以执行下面命令激活：
activate tensorflow
激活以后，命令行终端前面会有一个 tensorflow 的显示，表明你处于 tensorflow 环境中：
(tensorflow) D:\01_wwy-dir\04_tensorflow-workspace>
接下来，在这个环境中，使用 shell 中的 python ：
python
然后依次输入以下代码命令：
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
如果打印出下面内容，说明 tensorflow 正常：
Hello, TensorFlow!
使用 GPU 可能有下面提示，等待它执行结束就可以了：
2018-09-18 08:54:00.916576: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2018-09-18 08:54:01.315576: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1405] Found device 0 with properties:
name: Quadro K620 major: 5 minor: 0 memoryClockRate(GHz): 1.124
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.71GiB
2018-09-18 08:54:01.315576: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1484] Adding visible gpu devices: 0
2018-09-18 08:56:12.501576: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:965] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-09-18 08:56:12.501576: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:971] 0
2018-09-18 08:56:12.502576: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:984] 0: N
2018-09-18 08:56:12.502576: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1097] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1460 MB memory) -> physical GPU (device: 0, name: Quadro K620, pci bus id: 0000:01:00.0, compute capability: 5.0)
第一次执行可能时间比较久，等待完成，再次执行一下 print(sess.run(hello)) 就可以了。
七、错误或者警告处理
下面的命令执行，是在 windows 系统的 cmd 命令行终端中执行的，你也可以使用 vscode 的命令行终端（快捷键 Ctrl + ` 打开 vscode 集成终端）。注意：执行命令之前要激活 tensorflow 环境：
activate tensorflow
因为我们是针对 tensorflow 环境进行安装配置。
setuptools 版本
使用过程，可能会发出下面警告信息：
tensorflow-gpu 1.10.0 has requirement setuptools<=39.1.0, but you'll have setuptools 40.2.0 which is incompatible.
这是叫你进行 setuptools 版本回退，当前安装的 setuptools 工具版本太新，回退到 39.1.0 以前的版本。先卸载 setuptools 工具 ：
pip uninstall setuptools
再执行安装命令：
pip install --ignore-installed setuptools==39.1.0
pip 版本升级提醒
如果 pip 版本太老，可能会提示你升级：
You are using pip version 10.0.1, however version 18.0 is available.
You should consider upgrading via the 'python -m pip install --upgrade pip' command.
执行下面命令，升级即可：
python -m pip install --upgrade pip
网友评论