【TensorFlow】Windows10 64位下安装TensorFlow - 官方原生GPU版安装

之前 写过一篇在 ubuntu 下安装 TensorFlow 的教程，那个时候 TensorFlow 官方还不支持 Windows 系统，虽然可以通过其他方法安装，但是终究不是原生的，而且安装过程繁琐易错。好消息是，Google官方在11月29号的开发者博客中宣布新的版本（0.12）将增加对Windows的支持，我11月30号知道的，立马就安装试了试，安装过程非常简单，不过也有一些需要手动调整。

---

更新

这里我会列出对本文的更新。

• 2017年3月1日：cuDNN 版本从 5.0 升级到 5.1 版本，更新 cuda 和 cudnn 下载地址。

---

安装前准备

TensorFlow 有两个版本：CPU 版本和GPU 版本。GPU 版本需要CUDA 和cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 CUDA 和 cuDNN。

1. 在 这里 确认你的显卡支持 CUDA。
2. 确保你的Python版本是3.5 64位。
3. 确保你有稳定的网络连接。
4. 确保你的pip版本 >= 8.1。用 pip -V 查看当前 pip 版本，用 python -m pip install -U pip 升级pip 。
5. 确保你安装了 VS2015 或者 2013 或者 2010。

此外，建议安装Anaconda，因为这个集成了很多科学计算所必需的库，能够避免很多依赖问题，安装教程可以参考 这里。

以上条件符合，那么恭喜你可以开始下载 CUDA 和 cuDNN 的安装包了，注意版本号分别是 CUDA 8.0 和 cuDNN 5.1，这是 Google 官方推荐的。可以去各自官网下载，我已经下载好打成一个压缩包放到了百度云，大家可以从 这里 下载，密码 5aoc。

---

安装TensorFlow

由于Google那帮人已经把 TensorFlow 打成了一个 pip 安装包，所以现在可以用正常安装包的方式安装 TensorFlow 了，就是进入命令行执行下面这一条简单的语句：

# GPU版本
pip install tensorflow-gpu

# CPU版本
pip install tensorflow

• 1
• 2
• 3
• 4
• 5

• 1
• 2
• 3
• 4
• 5

然后就开始安装了，速度视网速而定。

安装网之后你试着在 Python 中import tensorflow 会告诉你没有找到 CUDA 和 cuDNN，所以下一步就是安装这两个东西。

---

安装CUDA 8.0

这个也是很简单的，下载完我上面给的压缩包之后，解压，得到两个文件，那个 exe 文件就是 CUDA8 的安装程序，直接双击执行就可以了，就像安装正常的其他软件一样，安装过程屏幕可能会闪烁，不要紧，而且安装时间有点长。

安装完之后系统变量会自动为你添加上，这个不用管。

测试一下是否安装成功，命令行输入nvcc -V ，看到版本信息就表示安装成功了。

---

安装cuDNN 5.1

其实这个是一个压缩包，解压放到任何一个目录下就行，然后把你放的那个目录添加到Path 环境变量里。

比如说我的是：

Path环境变量：

按照官方的安装步骤实际上这里已经完成了，但是经过我的安装发现，这样如果你 import tensorflow 的话它还是找不到cuDNN的文件，也就是说下面紫色框中那一行是失败的：

然后发现 GitHub 上果然有人提交了一个一样的 issue，大家可以在这里看下，然后是这么解决这个问题的：将下面这些文件复制到相应位置，

1. C:\cuda\bin\cudnn64_5.dll —> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
2. C:\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include
3. C:\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

除此之外，还有一个办法就是将C:\cuda\bin 也加进Path 环境变量里，经过测试这样也是可行的。

如果你已经安装了 cuDNN 5.0 ，那么升级 cuDNN 的方法可以参考 这里 。

然后再次import tensorflow 应该就成功了。

---

测试

用一个简单的矩阵乘法测试一下，

import tensorflow as tf

a = tf.random_normal((100, 100))
b = tf.random_normal((100, 500))
c = tf.matmul(a, b)
sess = tf.InteractiveSession()
sess.run(c)

• 1
• 2
• 3
• 4
• 5
• 6
• 7

• 1
• 2
• 3
• 4
• 5
• 6
• 7

看不清的话可以右键在新标签页打开图片查看大图

可以看到已经识别出我的显卡了（不要吐槽我的渣显卡，穷屌丝一个）。

终于可以在Windows上和TensorFlow愉快的玩耍了~~~

---

END