win10下配置Tensorflow1.4

今天碰巧帮人配了一台win10 + CUDA8.0 + CUDNN V6.1 + tf 1.4,特此记录


配置要求

window版本的tf是用不成python 2.X,至少是python 3.5,看官方要求吧,https://www.tensorflow.org/install/install_windows,如下所示:

win10下配置Tensorflow1.4_第1张图片

win10下配置Tensorflow1.4_第2张图片

所以总结下就是:

  1. Python 3.5 or later
  2. CUDA 8.0 or later
  3. CUDNN V6.1 or later

具体CUDA和CUDNN的版本要求取决于你要装的tf的版本要求,1.4至少要CUDA 8.0 + CUDNN V6.1,故此我安装的配置就是:
python 3.6 + CUDA 8.0 + CUDNN V6.1 + tf 1.4

接下来就一个一个装吧

python安装

先下载python 3.6,https://www.python.org/downloads/release/python-362/

选择对应的平台,下载下来是个exe,直接双击安装就好了,记得勾选把python添加的环境变量PATH中这个选项,不然你后续还要自己配下

CUDA

可以官网选择下载,最新版是CUDA 9,https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10

win10下配置Tensorflow1.4_第3张图片

有local(约1.2G)和network可选,区别就是network安装时需要联网,建议还是local

上面是CUDA 9.0的,8.0的版本也甩个链接吧:
https://developer.nvidia.com/compute/cuda/8.0/prod/local_installers/cuda_8.0.44_win10-exe
local的哈,大约1.3G,自己看着流量~~

下载下来,双击就可以开始安装了,照着屏幕提示就可以了

CUDNN

首先还是下载:
step 1: 上官网 https://developer.nvidia.com/cudnn,去注册下,然后登陆才能下载
step 2: 先从最新的V7开始点击download,后面可以选择版本
win10下配置Tensorflow1.4_第4张图片

然后按照需要的进行选择就可以了
win10下配置Tensorflow1.4_第5张图片

下载下来解压,内部目录是这样的:
win10下配置Tensorflow1.4_第6张图片

就是3个目录bin、include、lib,全部拷贝到你CUDA的目录下就行了,CUDA的目录默认在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,直接ctrl+c,ctrl+v粘贴过去就好了

tf的安装

首先要安装必要的python库,有点多,可以用pip安装,但是我建议直接安装anacoda,它集成了这些必要的库
下载安装: https://www.anaconda.com/download/
安装完以后,诸如numpy scipy等其实都已经安装好了,接下来安装tf
tf官网速度很慢,推荐使用国内的清华源,速度快

[修改源为清华源]
conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'

[设置搜索时显示通道地址]
conda config --set show_channel_urls yes

配置完以后,文件C:\Users\USER_NAME\.condarc就是配置文件,可以手动编辑或者删除

[搜索tf]
anaconda search -t conda tensorflow-gpu
接下来选择一个源地址,假设你选的是xxx

[安装tf]
anaconda show XXX/tensorflow-gpu
最后一行会出现安装方式,大概是这样的:
conda install --channel https://conda.anaconda.org/XXX tensorflow-gpu

OK了,等着装吧,速度应该还可以

测试

安装好了就测试下吧,先试试能不能导入tf:

import tensorflow as tf

如果没有错就应该是安装好了,否则自己根据错误提示去debug吧

再试试能不能做运算:

sess = tf.Session()
a = tf.constant(2)
b = tf.constant(3)
print(sess.run(a+b))

要是这步你能看见自己的GPU信息,比如1070 8GB xxx等信息,就应该是没问题了


到这都没问题的话,就已经OK了!

你可能感兴趣的:(Deep,learning)