win10 64bit 深度学习环境搭建完整版

前言

笔者之前一直在ubuntu环境下进行深度学习相关工作，最近买了一台新ThinkPad P51笔记本（当然是windows系统咯），因而想在这windows系统上面搭建一个小型的进行一个快速验证的环境，所以今天捣鼓了半个下午，成功搭建完毕，在此记录一下整体的过程，可以为以后方便查阅，及分享给大家。
笔记本硬件：Thinkpad P51, Inter XEON-1535M, NVIDIA M2200 (支持GPU加速即可);
必须安装软件：Anaconda3, CUDA8.0, cudnn v7.0.4
深度学习框架：Tensorflow， Visual Studio 2013, Pycharm

-主要问题：切记一点，不要盲目追求最新的驱动及软件，因为大量最新的依赖软件跨版本升级会修改之前内部函数的功能，使得原来能正常运行代码报错，以及不再支持与它相关依赖之间的相互调用，初学者大部分的坑基本都是这种情况。笔者当前经过各种尝试，初步摸索完各个依赖之间的版本组合，在此统一介绍出来，这些之间大部分是最新的版本，所以可以用一阵子好好做研究了，不要再去管各种依赖版本的事情了。

---

文件准备

• windows 64bit 旗舰版
• Visual Studio 2013 Community: 本人所在实验室版本原因，统一使用该VS2013版本，虽然是社区版，但是免费正版使用，并且完全够用！
• DXSDK_Jun10.exe。微软的DirectX SDK工具包，不安装它的话，后面编译CUDA_Samples会报23个相关错误。不安装对其他依赖的安装也没事，也能正常进行下去~，如果有需要在此处下载。
• cuda_8.0.61_win10.exe。可在NVIDIA官网下载，也可在笔者云端备份cuda8.0下载。
• cudnn-8.0-windows10-x64-v6.0。CUDA的神经网络加速库，可以在前面GPU加速基础上大概再提升1.5倍的速度。 官网下载地址, 以及如果官网找不到该版本的话可以到笔者云盘下载地址进行下载。
• Anaconda3-5.0.1-Windows-x86_64.exe。Anaconda是一个Python科学计算环境，提供了很多常用的Python库，例如：numpy, scipy, matplotlib等等。自带的包管理器conda也很强大，可以方便地安装各Python库。此包中的python为3.6版本，可在Anaconda官网下载，也可在笔者云端备份Anaconda3-5.0.1下载
• Tensorflow-gpu。tensorflow-gpu为支持GPU加速版本，官方下载链接见此处，当然，也可以到笔者传送门tensorflow-gpu下载。

---

开始安装

1、安装 Visual Studio 2013 Community

• 默认傻瓜安装即可，选择典型安装，在此不详细介绍。

2、安装 DXSDK_Jun10

• 直接按提示安装就行了，在此我主要说一下安装这个能解决什么问题吧，如果你电脑跟我新电脑一样，在装完CUDA8.0后编译那些自带的Sample文件时会提示找不到文件”d3dx9.h”、”d3dx10.h”、”d3dx11.h”，有23个项目会报错，其余150+个项目可以正常编译通过。

3、安装 CUDA 8.0

如果想做深度学习，不用CUDA来加速训练那就很痛苦了，因为GPU的运算速度比CPU快的不是一点点，加速效果与显卡不同有差异，一般普通GTX显卡能提示数十倍的加速，如在GPU上跑1分钟，而在CPU上需要跑一小时，这是难以忍受的。

• 检查自己电脑独显是否支持CUDA
  确定好自己显卡型号之后，可以从下面的网址查看自己的显卡是否在支持之列。如果你的显卡比较新，到这里检查是否支持CUDA：https://developer.nvidia.com/cuda-gpus；如果你的显卡很老，请到如下链接检查是否支持CUDA：https://developer.nvidia.com/cuda-legacy-gpus。
  如果自己GPU不支持CUDA，那本文就不太适合你了，你可以最后直接安装CPU版的Tensorflow了。我电脑显卡为 Quadro M2200，支持CUDA加速功能。

• CUDA 8.0 下载与安装
  可以直接在CUDA官网进行下载，我目前正常工作的版本为CUDA8.0版本，如果官网有新的CUDA版本，大家不要追求新奇，一定要确认没有依赖等等冲突的问题自行下载最新的，如果在官网首页找不到CUDA8.0，大家也不要慌，可直接在网页右上角搜索栏搜CUDA8.0就能看到之前的版本了,或者点击该传送门：CUDA历史版本。当然方便起见，也可以在我的网盘的下载地址直接下载。
  
  依照图中的操作：
  Double click cuda_8.0.61_win10.exe
  Follow on-screen prompts

• CUDA 8.0 验证安装成功
  打开Windows PowerShell 命令提示符，输入：nvcc -V
  可以看到如下信息：
  

  但是，这样并不代表安装成功了。等把CUDA_Samples示例编译通过不报错了，才能算是成功。(笔者注：强迫症患者或者赶时间的可以暂时忽略这里的CUDA_Samples的编译出错问题，个人测试发现就算出错也不影响tensorflow-gpu的使用)

• 编译CUDA 8.0 Samples
  1、在 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 目录下，有CUDA的示例程序。由于我安装的是VS2013，所以我打开Samples_vs2013.sln那个解决方案文件，将解决方案配置更改为Release和x64.使用Release模型，由于所有程序安装包用的都是64位版本，所以改为x64比较好。
  2、右键单击，编译整个解决方案。如果不出意外，将会编译成功。如果提示是缺少d3dx9.h、d3dx10.h、d3dx11.h头文件 ，说明前面安装DirectX SDK没有安装好，重新安装下DXSDK_Jun10.exe，再次编译。
  3、关闭VS2013，在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录下找到deviceQuery.exe这个文件。打开一个cmd窗口，定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录，输入：deviceQuery.exe ，然后回车。若出现CUDA相应的字样输出信息时，说明CUDA 8.0 安装成功了：

3、安装 cuDNN v6.0

官方宣称 cuDNN可以在前面GPU加速基础上大概再提升1.5倍的速度，它由nVIDIA开发。可以到nVIDIA官网上下载。下载之前需要注册. 官方下载网址与笔者网盘传送门下载。因为准备安装的Tensorflow的需要，只能用cuDNN v6.0才能使用， 在此进行下载，图片中为cuDNN官方网站已圈出需要下载的文件。

下载后的文件名为cudnn-8.0-windows10-x64-v6.0.zip文件，下载完成后进行解压缩，里面有bin、include、lib三个目录文件夹，分别对应有cudnn64_6.dll、cudnn.h、x64\cudnn.lib三个文件，直接选中该3个目录文件夹，直接拖到安装CUDA 8.0 的地方文件夹，默认文件夹为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，其会自动将相应的文件夹复制到对应的文件夹中，即可完成cuDNN v6.0的安装。

4、安装 Anaconda3-5.0.1

4.1 下载Anaconda

Anaconda包含很多科学计算的包，例如numpy、scipy等等，可以为你省去不少麻烦，它的官网在这里：https://www.continuum.io/downloads ，下载最新的Anaconda 4.2版本，Python版本选择3.6 64bit的那个版本。

4.2 安装Anaconda

建议大家安装到根目录下，我安装在以下目录：C:\SoftWare\Anaconda3
安装时，在Install Options那个界面，建议选择[Add Anaconda to the system PATH enviranment variable]与[Register Anaconda as the system]选项，这样不用人为再去添加环境变量。

4.3 更改pip的默认源

Python开发安装包时，使用pip进行包安装非常方便。但pip默认的源服务器在国外，下载非常慢，而且经常出现下载后安装出错问题。因此，有必要更换为国内的pypi源。
对于windows来说，直接在当前用户目录下（C:\Users\USER-NAME）新建pip文件夹，并在其中新建一个pip.ini文件，例如：
c:\Users\LBAWMY\pip\pip.ini
pip.ini的文件内容如下：

[global]  
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]  
trusted-host=mirrors.aliyun.com

上面是将源更换为了的阿里爸爸的源，输入完成后，记得保存。
当需要更改为清华源时，pip.ini中的文件内容如下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

5、安装 Tensorflow-gpu

5.1 利用Anaconda创建虚环境

虚环境的重要性，在这里我就不赘述了，在cmd下利用anaconda运行下面命令创造一个python3.6的环境：
conda create –name tensorflow python=3.6
此命令会在Anaconda安装目录下的envs文件夹下创建tensorflow文件夹，此对应于一个虚环境。

5.2 激活与退出虚环境

首先从开始菜单进入Anaconda Prompt下，激活(或切换不同python版本)的虚拟环境。
打开命令行输入python –version可以检查当前python的版本。
使用如下命令即可 激活你的虚拟环境(即将python的版本改变)，在此激活刚刚创建的虚环境：activate tensorflow
虚环境下安装pip：conda install pip
若需要关闭虚环境：deactivate

5.3 安装tensorflow-gpu

主要分为两种方式，任选其一：

• 在线安装
  在当前激活的tensorflow环境下，输入：pip install tensorflow-gpu
  当前笔者自动安装最新的tensorflow-gpu1.4.0
  若想要指定版本，则需如此：pip install tensorflow-gpu==1.4.0
  如果这种方式安装失败了，请看下面的离线安装方式
• 离线安装
  如果在线从pip安装tensorflow总是失败，那就下载python的whl包，本地安装的。
  下载地址：
  http://www.lfd.uci.edu/~gohlke/pythonlibs/
  Ctrl+F搜索Tensorflow
  找到tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
  注意下载带gpu字样的版本，它才支持GPU加速。下载也不太快，视你的网速而定。从开始菜单中打开Anaconda Prompt，
  输入：pip install C:\Users\LBAWMY\Downloads\tensorflow_gpu*.whl
  然后，等待安装完成就好了。

6、测试 Tensorflow-gpu 是否安装成功

从开始菜单中打开Anaconda Prompt，在命令行中输入：python，再输入：

import tensorflow as tf
sess = tf.Session()
a = tf.constant(520)
b = tf.constant(1314)
print(sess.run(a + b))

如果正确打印出结果1834，不报错，说明tensorflow安装成功。