[TOC]

介绍

tensorflow 0.12.0开始支持Windows下安装

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md#pip-installation-on-windows

环境要求

Windows 10 64位
python 3.5.3
pip 9.0.1
tensorflow 1.8.0
cuda 9.0
cudnn 7.0.5

其中对应版本关系是

python	pip	tensorflow	cuda	cudnn
3.5.3	9.0.1	1.8.0	9.0	7.0.5
3.5	9.0.1	1.2.0	8.0	5.1

注意，GPU 版本有版本兼容策略，必须对应上版本才可以使用

查看自己的设备是否支持 CUDA
https://developer.nvidia.com/cuda-gpus

安装Miniconda

下载地址
https://repo.continuum.io/miniconda/

这里使用的是 Miniconda2-4.3.11

https://repo.continuum.io/miniconda/Miniconda2-4.3.11-Windows-x86_64.exe

配置环境变量

Path 添加

C:\ProgramData\Miniconda2 为安装目录的话

C:\ProgramData\Miniconda2
C:\ProgramData\Miniconda2\Scripts
C:\ProgramData\Miniconda2\Library\bin

创建虚拟环境

需要管理员权限,执行

conda create -n tf python=3.5 anaconda

创建环境后

#
# To activate this environment, use:
# > source activate tensorflow
#
# To deactivate this environment, use:
# > source deactivate tensorflow
# 进入虚拟环境
activate tf

# 退出 虚拟环境
deactivate tf

移除环境

C:
cd  C:\Anaconda2\envs
rd /s /q tf
# 或者
rm -rf tf

安装tensorflow

python 安装跳过需要检查

python3 -V
pip -V

pip -V
# 如果使用 pip3
pip3 install --upgrade tensorflow
# 安装有问题可以使用忽略依赖的方式
pip install --ignore-installed --upgrade $TF_PYTHON_URL
# win CPU版本
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.2.0-cp35-cp35m-win_amd64.whl

安装查看 https://www.tensorflow.org/install/install_windows

对应的TF新的发布包点击查看

$TF_PYTHON_URL

安装GPU版本

# 最新版本
pip install --upgrade tensorflow-gpu
# 如果使用 pip3
pip3 install --upgrade tensorflow-gpu
# 历史版本
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.2.0-cp35-cp35m-win_amd64.whl

如果使用GPU版本还需要安装CUDA

https://developer.nvidia.com/cuda-toolkit-archive

目前使用 cuda 9.0

官方安装说明

安装完成后测试

$nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:32_Central_Daylight_Time_2017
Cuda compilation tools, release 9.0, V9.0.176

https://developer.nvidia.com/cudnn

# Download cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.0_20180516/cudnn-9.0-windows10-x64-v7.1
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.0_20180516/Ubuntu16_04-x64/libcudnn7_7.1.4.18-1_cuda9.0_amd64
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.4/prod/9.0_20180516/Ubuntu16_04-x64/libcudnn7-dev_7.1.4.18-1_cuda9.0_amd64

# Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-linux-x64-v6.0-tgz
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-windows10-x64-v6.0-zip
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-osx-x64-v6.0-tgz

安装CuDnn，将cuDNN下载以后解压，你会发现 cuda的文件夹下面有
bin、include、lib三个文件夹
将这个三个文件夹复制到CUDA8.0安装文件夹下，比如如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
配置 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin到环境变量PATH，这步，一般在安装 cuda 时就已经完成

gpu使用情况查看需要配置 C:\Program Files\NVIDIA Corporation\NVSMI 到系统环境变量 PATH

nvidia-smi -l

测试tensorflow配置

hello_tensorflow.py

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

num_a = tf.constant(10)
num_b = tf.constant(32)

print(sess.run(num_a + num_b))

python3 hello_tensorflow.py

Pycharm 中使用miniconda创建的虚拟环境

还是打开工程，代码会报错，无视之，按快捷键 cmd+,进入设置
输入Project Interpreter
点击右边页面最右边的齿轮，选择Add Local
在miniconda的安装目录下寻找envs，里面有你创建的虚拟环境(比如前面创建的 tf)，展开环境文件夹
选择的子目录中bin文件夹，展开
找到python3或者python，点击Ok

然后就是几分钟的索引时间，然后你就可以在pycharm中使用虚拟机环境了

Pycharm开发tensorflow注意事项

jvm内存配置高一点，不然IDE会内存不足崩溃
把训练资源目录右键，Mark Directory as 选择 Exclusion,这样防止卡顿

Window 10 tensorflow 环境管理 Pycharm 开发

介绍