win10下TensorFlow(gpu版本)配置教程 ——[2019.3最新][最详细][从零开始]

win10下TensorFlow(gpu版本)安装配置教程 ——[2019.3最新][最详细][从零开始]

https://blog.csdn.net/hcbbbb/article/details/88049277

---

最近课设要用到TensorFlow，因此寻找安装配置方法，本文结合网上搜寻到的资料和自己亲身试验试错，将最详细的，从零开始的安装配置方法记录下来。
（本文默认前提，电脑内没有安装任何python相关的东西）

---

---

懒人直接观看版

步骤：
1、安装 anaconda。（选择3的版本） 安装教程
2、检查： 
      检查你的显卡是否可以进行gpu加速；
      检查是否有编译器“MSVC 2015 update 3”；
      确认你要安装的TensorFlow版本以及对应的CUDA和cuDNN版本，下载。
3、安装CUDA和cuDNN。（GPU加速）
4、创建TensorFlow虚拟环境。
5、安装TensorFlow。
6、测试是否成功。

---

图文并茂细节版

安装anaconda

遵循此教程 安装教程 即可

注意点：
       若之前安装过 python，建议先将之前得 python 卸载干净再进行 anaconda 的安装
       官网选择版本时，选择 3 的版本。
       安装到第四步的时候，一定要把第一个选项打钩（这个选项是会自己把环境配置好，而不需要自己再进行配置，想要自己配置环境的可以忽略这一步）

检查显卡是否可以进行gpu加速

bing 上搜索 “你的GPU型号+specification” ，在官网查它是否支持 CUDA。
例如：我的显卡是 gtx 960 ，那么我在 bing 上搜索 “gtx 920+specification”

一般选择不是广告的第一个。

进入以下界面

找到Technology Support — CUDA这里，查看是否支持 CUDA，支持则是 Yes。可以看到 GTX 960 是可以支持 CUDA 的，因此可以继续之后的安装。
若显卡不支持 CUDA，则推荐安装 TensorFlow CPU 版本。（建议关闭本页面，然后 bing 搜索 “win10+TensorFlow CPU 安装” ，选择合适的教程安装。!!本文后面的教程都是 GPU 版本的安装教学!!。ps：CPU 版本安装较为简单）

确定电脑里是否有编译器“MSVC 2015 update 3”

打开程序与功能：

看是否能找到以下的程序：

若不能找到，要先在官网下载后进行安装：网址

（!!注意：如果你有安装比2015高版本的Redistributable，如：2017的Redistributable，则要先将其卸载，安装完2015版本后，再重新安装2016版本）

确认你要安装的 TensorFlow 版本以及对应的 CUDA 和 cuDNN 版本并下载（很重要！！！）

官网上找到的对应图。（window 的 TensorFlow 是不支持 python2 的版本的）

本次选择安装的是 TensorFlow-gpu-1.12.0 版本，因此要下载 CUDA9 和 cuDNN7


CUDA9.0 下载：网址

选择 windows — x86_64 — 10，可供下载的有 网络版(network) 和 本地版(local)，此次选择的是本地版，下载本地版好处是没有网络也可以进行安装。

cuDNN7 下载：网址
cuDNN 下载需要申请账号并填写一些表格（账号可用qq邮箱注册）
登陆之后进入到下载页面。

选择 “……for CUDA 9.0”，选择 windows10 版本，下载，下载后是一个压缩包。

安装 CUDA 和 cuDNN

安装CUDA

下载好的 CUDA，双击开始安装

选择临时解压的文件路径：可以不用管

等待解压完成：

开始安装：

系统检查：让他自己检查就好了
（注意，有些显卡是不支持GPU的，要提前查清楚，详看前面）

许可协议：同意并继续

选项：推荐直接选择精简模式（会默认安装到C盘）
若不是精简模式，则要自己选择安装的内容以及位置，这样其实会容易导致安装不全的情况，因此在C盘空间充足的情况下，直接选择精简模式！

然后等待 CUDA 的安装完成！！！

安装完成后进行环境变量的配置：
若安装完成，环境变量中的系统变量会多出两个

此时还需要自己添加几个系统变量
(这是默认安装位置的路径，如果自己路径设置安装成功的话就用自己的路径)

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 
CUDA_BIN_PATH = %CUDA_PATH%\bin 
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

添加完成后：

再下一步，在系统变量 PATH 里添加东西

%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64

添加完成后：

至此，CUDA 就算安装完成了。
接下来我们可以检验是否安装成功。
打开 CMD，按行执行以下代码。
(这是默认路径）

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
bandwidthTest.exe
deviceQuery.exe

执行结果：

均显示 PASS 则为安装成功了！！！

安装cuDNN

下载好压缩包：

解压，有下面这些东西：

将三个文件夹复制，粘贴到以下目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

粘贴完成后，确保以下目录有对应文件

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

则 cuDNN 安装完成。

利用 conda 创建 TensorFlow虚拟环境

创建不同场景下的环境可以对 python 的版本以及库包进行更好的管理

（在 CMD 中运行)

使用清华仓库镜像，这样下载更新比较快

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

创建新环境python3.6（window 上 TensorFlow 不支持 python2 的版本）

conda create -n tensorflow python=3.6

稍等一会，有下图

查看新环境是否创建

activate tensorflow

命令行前出现 tensortflow 字样，代表 tensorflow环境创建成功。
（退出环境：输入deactivate）

安装 TensorFlow

激活 tensorflow环境。

activate tensorflow

安装：（建议使用conda安装）
由于使用默认源会网络不稳定，推荐使用清华大学的镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --set show_channel_urls yes
conda install tensorflow-gpu

conda会给出要安装的库以及版本

！！！确认包的版本无误后！！！
！！！确认包的版本无误后！！！
！！！确认包的版本无误后！！！
回车进行下载安装
（版本不对应的话，可能会出现问题）
（下载速度比较慢，本人大概花费了2~3.5小时）
全部下载完成后，会有一段时间的安装，耐心等待。


检验是否安装完成。

conda list

有对应的包，即为安装成功了！！！

进行 TensorFlow 的测试

在 CMD 命令行中进行测试

Hello TensorFlow：

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

看见运算结果 “Hello！TensorFlow” 即为成功。



运算：

import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

看见运算结果，且输出语句有device:GPU:0字样，代表使用的是GPU加速，即成功。

写在最后

这是第二篇博客，还是因为学业要求，进行 TensorFlow 的配置。
之前接触不多，因此磕磕碰碰查查资料、安装配置也花了差不多一天，其中也失败了几次，最终还是成功的把它安装了下来，并将安装的过程和其中的一些细节记录了下来。
同样希望同志们可以好好看完，特别是一些注意的点。
一步一步跟着走的话，安装应该是没有什么大问题的。

欢迎大家与我交流，可以留言或者私信哦，我应该会看的吧（大误
（过了这么久才写了第二篇博客，我也是够懒得



参考网站
https://www.cnblogs.com/W-Yentl/p/7783933.html
https://zhuanlan.zhihu.com/p/37086409
https://www.cnblogs.com/wanyu416/p/9536853.html
官网：https://www.tensorflow.org/install



更新于 2019 / 3 / 1
未经允许禁止转载
https://blog.csdn.net/hcbbbb/article/details/88049277