Win10下安装Tensorflow(GPU版)

前天tensorflow r0.12版本终于支持windows了，windows下的安装方式还是比较简单

安装tensorflow

tensorflow r0.12官方安装介绍

目前tensorflow只支持python3.5，且如果使用conda安装，仅仅支持CPU版本，所以这里我们选择pip安装

# GPU版
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl

如果不能安装成功，试试加上 –ignore-installed。由于安装的是GPU版的，我们还需要安装 Cuda Toolkit 8.0 和 cuDNN v5，当然这在windows下就十分简单了

1. 我们在 NVIDIA的CUDA下载页面 选择win10版下载

   

2. 默认安装下载下来的 cuda_8.0.44_win10.exe （推荐默认安装）

3. 接下来我们可以检查 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin（默认安装目录下）是否添加到了环境变量 （如果是默认安装，一般不会有问题）

测试tensorflow

首先我们可以测试官方给的例子

$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

测试结果：

我们会很清楚的看到成功的提示，并且还会显示当前GPU的状态，结果也和给的例子相同，所以我们到了这里已经安装完成了。但是我们仔细看图片右下角，会发现这句话 Your kernel may not have been built with NUMA support.，解决这个问题我们需要定位到 tensorflow/tensorflow/core/common_runtime/gpu/gpu_device.cc

根据注释的说明，只要我们不是使用多GPU，这个警告应该是可以忽略的，所以我们目前也不需要担心了。实际上，官方文档还有运行模型的例子

但是你可以稍微看看 convolutional.py 的源码

gzip是linux下对文件的压缩和解压缩的命令，所以我们肯定无法运行这个代码（当然你可以稍微修改下这个文件，这里就不多说了）。而我刚好最近有个项目在写，所以连忙从ubuntu中拿来运行，随便取了一些数据集作为输入（输入格式是使用自己定义的znyp格式，所以不会受到影响，如果你也对自定义数据格式感兴趣可以看我的另一篇博文 深度学习中构造自己的图像数据集格式），测试效果如下

每秒大概能跑600个左右的example（每个example是一个60*60的RGB图像），比起ubuntu单CPU版大概提高了30倍左右的速度，效果还是不错的。

PS

运行时还发现了一个WARNING（上图中间），tf的这次更新也改了一些API，比如上面提示的tf.initialize_all_variables更名为tf.global_variable_initializers

完整更新内容可以看 TensorFlow v0.12.0 RC0