Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建

今天分享一下本人在笔记本上配置TensorFlow环境的过程。

说明

电脑配置:

  • Acer笔记本
  • CPU Inter Core i5-6200U
  • GPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU)
  • Windows10

所需的环境

  • Anaconda3(64bit)
  • CUDA-8.0
  • CuDNN-5.1
  • Python-3.6
  • TensorFlow 或者 TensorFlow-gpu

首先安装Anaconda3

​ 我们从官网下载(https://www.anaconda.com/download/#windows),也可以使用我上传百度网盘的版本,链接:https://pan.baidu.com/s/1dGEC57z 密码:2om4
使用Linux的小伙伴可以同样下载Linux版本的Anaconda,之后我会再做补充的。
Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第1张图片

​ 下载好后,我们进入安装界面:
Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第2张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第3张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第4张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第5张图片

​ 这里,我们把两个都选上,第一个是加入环境变量,因为我之前安装过一次所以这里提示不要重复添加,第二个是默认的Python3.6,让后Install。

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第6张图片

​ 在完成Anaconda的安装后,我们打开Anaconda的命令行(最好用管理员身份运行,否则可能会有权限的问题):

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第7张图片

​ 我们可以看到一个和Windows命令行很像的一个窗口:

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第8张图片

安装CUDA和CuDNN

​ 这里为安装GPU版本的TensorFlow做准备,CPU版本可跳过此部分。

​ CUDA是NVIDIA推出的运算平台,CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。虽然在之后用conda命令安装tensorflow-gpu时会自动安装cudatoolkit和cudnn,但是我总觉得自己安装一遍比较放心。

​ 我所用的CUDA和CuDNN分享到百度网盘了,链接:https://pan.baidu.com/s/1dGEC57z 密码:2om4

​ 先安装CUDA

​ 打开首先先解压:

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第9张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第10张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第11张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第12张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第13张图片

​ 这里我们选择自定义,因为我们只安装CUDA

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第14张图片

​ 只选择CUDA其他组件不安装,否则会安装失败

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第15张图片

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第16张图片

​ 这里可能会提示你安装Visual Studio,忽略掉就好了

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第17张图片

​ 然后就开始安装了,等待安装结束就好了。

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第18张图片

​ 解压cudnn的压缩包里面有三个文件夹

这里写图片描述

​ 把这三个文件夹复制到你cuda的安装目录下,我的地址是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第19张图片

​ 这样CUDA和CuDNN就安装好了。

创建TensorFlow环境

​ 我们在刚刚打开的命令行里输入命令(conda的命令大家可以在这篇博客中找到http://blog.csdn.net/fyuanfena/article/details/52080270):

conda create -n tensorflow_gpu python=3.6

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第20张图片

​ 中间会让我们确认一下,输入个y回车就好了。安装好后会给我们提示用activate,和deactivate进行环境的切换。

​ 我们先切换到创建好的环境中:

activate tensorflow_gpu

​ 现在,基本环境已经配置好了,我们要安装一些重要的Python科学运算库,Anaconda已经为我们准备好的一系列常用的Python苦,例如numpy,pandas,matplotlib等等,所以我们只需要安装一次anaconda库就可以把这些库全部安装好。

conda install anaconda

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第21张图片

​ 可以看到,真的有好多常用库。

安装TensorFlow

​ 之后就是我们最重要的一步,安装TensorFlow:

CPU版本

conda install tensorflow
Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第22张图片

GPU版本

conda install tensorflow-gpu

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第23张图片

​ 这样我们的TensorFlow环境已经配置好了。

测试

​ 最后,我们进入jupyter notebook(Anaconda自带的Python IDE,自我感觉挺好用的)输入一段官方文档录入的代码测试一下:

​ 直接输入jupyter notebook,回车

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

Windows10+Anaconda+TensorFlow(CPU & GPU)环境快速搭建_第24张图片

​ 恭喜,你的TensorFlow已经可以用了,接下来快搭建你自己的神经网络吧~!
个人博客:Quanfita的博客

参考文章

  1. Anaconda常用命令大全
  2. NVIDIA CuDNN 安装说明

你可能感兴趣的:(TensorFlow,人工智能)