计算机视觉——【环境配置】win10下tensorflow-GPU版本升级至tensorflow-GPU 1.14.0

一、系统环境

win10 x64
现有深度学习环境：
anaconda3
python3.5
tensorflow-gpu1.8.0
cuda9.0+cudnn7.1

二、问题驱动

tensoflow中导入MNIST数据手写集最常用的两句语句

from tensorflow.examples.tutorial.mnist import input_data
data_mnist = input_data.read_data_sets("MNIST_data/", one_hot = True)

目前再使用会提示你Please use alternatives such as official/mnist/dataset.py的警告，让你替换马上要弃用的这些函数，当时为了解决这个问题，只是暂时从tensorflow.keras.datasets.*找寻我需要的数据集；
经过去往tensorflow的github一番查找后发现，这是1.7.1版本的一个bug，据说是修复了，但是警告还是不定时的打印出来，总使用tensorflow下的数据集也不是长久之计，找一下tensorflow有没有替代的一些封装包，查找到tensorflow-datasets,其只支持1.12.0版本以后的，思考了一番，如果是tensorflow官方支持的专门针对数据集的库，吸引力还是很大的，这就是对笔者台式机1.8.0版本升级至1.14.0版本的初衷；

那么现在要做的就是，查一下目前的tensorflow版本，截止到2019.7.6，tensorflow-gpu版本最高版是测试版2.0，但是beta嘛，一定不太稳定而且1.0和2.0版本语法和一些函数一定不小的变化，退一步，安装tensorflow-gpu1.14.0
去github上面查看了一下对于cuda和cudnn版本的要求（其实用Docker最方便了，一个DOCKFILE的事情，但是现在赶进度，没办法，苦逼的先用着老一套吧，有时间了再整个技术路线换新），在发布版本1.13.1中提到了如下：

-TensorFlow GPU binaries are now built against CUDA 10 and TensorRT 5.0.

这里只说了CUDA10，去NIVIA官网去下载CUDA，发现最新的是10.1，好嘛，小心心作祟，下载了最新的10.1版本的，但是一番安装后，程序报错说找不到cudart64_100.dll，明眼人一看就知道，版本不支持····心塞塞，一个CUDA驱动包可是2+GB呢
好了，现在版本号终于确定了
Tensorflow-GPU 14.0
CUDA10.0
CUDNN 7.6 for cuda-10.0

三、升级步骤

1. 卸载或直接更新Tensorflow-GPU

这里提示一下，其实tensorflow-GPU的安装和CUDA\CUDNN的安装顺序并没有前后之分

想要先卸载的，可以卸载，然后再安装
卸载
Anaconda Prompt环境下（为了不必要的麻烦，启动管理员模式哈）

pip uninstall tensorflow-gpu # 有一个提示问你（Y/N）? 直接Y就行

离线安装
不想在线安装的，去pypi网站下载whl离线安装包或者压缩包，注意自己python语言版本的对应，下载后直接pip安装即可

pip install <your dir>/package.whl --ignore-isntalled

在线安装
在线安装的好处是自动帮你筛选适合你系统、python版本的安装包，缺点就是对网速要求高，我推荐离线安装

pip install <package name> --upgrade

2. 安装CUDA

2.1 显卡驱动更新

这里需要注意一下的是，我现在做的是更新tensorflow-GPU即其所依赖的一些包和库，使用新版本的驱动要求可以参考tensorflow-gpu安装指南这里为了方便大家，我直接复制过来一份软件要求：
（如果你的显卡版本满足要求，直接跳到2.2, 怎么查看显卡驱动版本号，请自行百度，笔者是直接更新的）

---

软件要求：
必须在系统中安装以下 NVIDIA® 软件：
-	[NVIDIA® GPU 驱动程序](https://www.nvidia.com/drivers) - CUDA 10.0 需要 410.x 或更高版本。
-	[CUDA® 工具包](https://developer.nvidia.com/cuda-zone) - TensorFlow 支持 CUDA 10.0（TensorFlow 1.13.0 及更高版本）
-	CUDA 工具包附带的 [CUPTI](http://docs.nvidia.com/cuda/cupti/)。
-	[cuDNN SDK](https://developer.nvidia.com/cudnn)（7.4.1 及更高版本）
-	（可选）[TensorRT 5.0](https://docs.nvidia.com/deeplearning/sdk/tensorrt-install-guide/index.html)，可缩短在某些模型上进行推断的延迟并提高吞吐量。

如我们所见，第一个是GPU的驱动程序，需要高版本的CUDA时，需要高版本的显卡驱动，笔者的台式机之前安装过驱动，我选择的是直接更新一下驱动；
“电脑—右击，选中‘管理’ — 设备管理— 显示适配器 — 右击，选择‘更新驱动’ ”


这就完成了第一步驱动更新；

2.2 CUDA安装

这里需要在英伟达官网下载驱动，这里配置tensorflow-GPU版本需要下载10.0的，一定要注意！！

下载好的文件是这个样子的

注意 - CUDA安装显卡驱动

直接点击安装，
其安装过程是：

1. 解压
2. 检查系统兼容性
3. 协议告知
4. 选项
5. 安装
6. 完成

第一步会提示你解压，点击确定就行，这里唯有一点需要特殊注意的就是：
CUDA安装过程中会有一个驱动程序的安装，如果你已经像2.1那样更新过驱动了，则这里不选择安装驱动，你需要在 **步骤2****协议告知（License Agreement）**中，选择自定义（custome）:

,将‘Drivers-----Displayer Dirver’前面的复选框勾勾去掉

4. 配置CUDNN
   需要去官网下载文件,选择和自己的系统、CUDA版本相配的安装包
   
   文件下载好后，是压缩包
   
   将解压缩后的文件夹中的bin, include, lib拷贝至cuda的安装目录下（一般为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0），这里如果弹出什么 ‘需要管理员权限才可以进行此操作’ 的提示直接点击 ‘继续’ 就可以了

注意 - 多版本CUDA

注意
我是安装了三个版本的CUDA，并没有卸载老版本的，因为处于测试阶段，但是多个CUDA这里需要设置一下环境变量，为了告诉程序你想要使用的CUDA版本号以及文件路径信息：
“ 电脑 — 右击，‘属性’ — 右上角，‘高级系统设置’ — 右下角，‘环境变量’ ”：

这里需要注意的是，CUDA_PATH和Path两个变量

1. CUDA_PATH
   确保这个变量的值是你想要的CUDA的版本号（否则，重新编辑其指向的路径）
2. Path
   选择Path, ‘编辑’，在弹出的Path的值列表中，确保带有CUDA字样的有且只有这两条
   
   虽然一定版本的tensorflow-gpu只会找一定版本的动态链接库，但是这里为了以防万一，还是只保留一个版本的CUDA链接库地址

3.测试

使用import测试一下

import tensorflow as tf

a = tf.constant([1,2])
sess = tf.InteractiveSession()
a.eval() # out:array([1,2])
sess.close()

完美通过~~！！！

4.bug调试

1 .TypeError: TF_SessionRun_wrapper: expected all values in input dict to be ndarray

这里我运行自己的程序的时候，遇到了一个bug:在一个以MNIST为数据集的3层网络中，出现了“TypeError: TF_SessionRun_wrapper: expected all values in input dict to be ndarray.”
这里比较困惑我，因为我测试了自己的输入数据，类型确实是numpy.ndarray，这里从GitHub上面找了一些方法，简单来说就是将numpy卸载了重装：
管理员身份打开Anaconda Prompt,

#  先查看了一下目前的版本号
pip list # numpy 1.16.4 是最新的
pip uninstall numpy 

pip list # 笔者的台式机卸载后，显示numpy依旧存在，但是版本为1.15.2

#  这时候，直接升级一下吧
pip install numpy --upgrade

pip list # 这时候，版本号变回了1.16.4

但是重新运行自己的python程序时，却没有bug了

2.AttributeError: module ‘matplotlib.colors’ has no attribute ‘to_rgba’

这是另一个bug，大概意思是matplotlib中的函数里面没有这个属性，第一感觉应该是升级别的库后，matplotlib的版本太久了，需要更新：
老办法，管理员身份，Anaconda Prompt:

pip list --outdated # 显示目前matplotlib版本号为1.5.3， 最新版本为3.0.3

# 更新一下
pip install matplotlib --upgrade

这时候，程序就没有再报错了

参考：

1. tensorflow官网安装指南
2. tensroflow github
3. tf.contrib.learn.datasets DEPRECATED INSTRUCTION