window10 + cuda8.0+tensorflow 安装教程
目录
-
- 目录
- 下载安装cuda80
- 下载cuDNN v51
- 下载安装Anaconda 420python35版本
- 安装tensorlow
- 测试tensorlow
- 关于 CPU版本的tensorflow
- 学习资源
自从Tensorflow官方推了对windows版本的支持后，相信很多windows用户一定很开心，终于不用再去折腾破虚拟机、双系统这些个软东西了…。那么让我们开开心心的在windows上跑深度学习吧。呵呵……
先说一下我的电脑的基本配置：
- 系统：Windows10
- 显卡：Navida GTX970
- 软件配置：VS2015 community，Anaconda 4.2.0（python3.5版本）
下面安装按照安装cuda8.0，cuDNN5.1，Anaconda 4.2，以及安装和测试tensorlow顺序一步一步来讲。
1 下载安装cuda8.0
先保证你的硬件支持cuda8.0，如果显卡太老的话不支持这个版本，还想要用GPU版本的tensorflow的话，那么就得从源码自行编译了，这样的话这篇文章可能对你就没有什么意义了。如果你的显卡支持，那么就请耐心一步一步按照下面的操作。
在安装cuda8.0之前需要保证先安装VS2015（vs12以后的好像也可以，但是我没有试过），好消息是VS2015 community已经对可以免费下载了，直接去window官网就ok了。
安装完vs2015 com之后，自行去下载Cuda8.0，截图如下：
cuda官方提供了很详细的安装教程，请按照步骤一步一步安装并测试（第一步直接点exe安装就可以，不需要像教材说的那样从命令行开始了），下载的安装包中还带了GPU的驱动，如果已经安装过的话可以选择不安装，但是我全部安装了。安装完成后按照cuda提供的安装指导，进行sample的测试，需要保证通过，要不然的后面的cuDNN也肯能不会成功。提示下，如果你刚下载的vs2015，在编译cuda自带samples时可能会要求下载一个额外的文件，同意就OK了，然后关闭vs2015从新编译。
2 下载cuDNN v5.1
自行百度cudnn 下载5.1版本，下载之前需要注册一个账号，然后Cuda会要求填一个问卷调查。下载之后打开如下。
分别将对应文件夹下面的内容拷贝到cuda8.0文件夹下面对应的位置，如下图所示：
3 下载安装Anaconda 4.2.0，（python3.5版本）
Anaconda 下载网站https://www.continuum.io/downloads， 由于我的Anaconda 4.2.0是之前安装好，所以这部分就木有安装截图啦（其实很简单…）,安装完之后可以看到Anaconda已经为我们安装了很多的库，包括常用的numpy，panda，以及后面用于安装tensorflow的pip， 如果发现自己没有话，请自行搜索下载。
4 安装tensorlow
实际上谷歌提供了很详细的安装文档，有兴趣的话请参见网址
https://www.tensorflow.org/get_started/os_setup#anaconda_installation 下面的pip installation on windows安装指导。下面我们开始安装tensorflow：
· Step1： 运行cmd
· Step2： 输入指令，下载安装tensorflow，GPU版本输入如下命令:
pip install–ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.1-cp35-cp35m-win_amd64.whl成功安装后的界面如下：
细心的吃瓜群众可能发现上述命令比官方给命令多了一个安装选项：–ignore-installed，这是因为我在没有加这个选项之前提示我出现不能清除easy-install.pth错误。当然如果你没有出现这个错误的话可以不加这个选项，如果出现了请加上，如果有对这个错误还有兴趣的话请参见网页https://github.com/ContinuumIO/anaconda-issues/issues/542
5 测试tensorlow
打开python3.5，记住要用Anconda下面的那个python，因为有可能你之前装过老版本的python。
先做一个小测试，代码如下：
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>注意，如果你安装的GPU版本的话，当输入import tensorflow as tf ，后应该会提示你一些GPU相关信息，如果是的话，那么恭喜你，基本上说明你已经成功了。
不放心的话，我们按照官方指导再测试一个tensorflow自带的模型mnist模型的例子，打开cmd，将当前文件夹切换到mnist所在的文件夹下，我的文件夹是D:\Program Files\Anaconda\Lib\site-packages\tensorflow\models\image\mnist。命令如下：
cd D:\Program Files\Anaconda\Lib\site-packages\tensorflow\models\image\mnist
然后键入如下脚本：
python convolutional.py马上就可以看到开始下载数据，这样你在tensorflow上第一个神经网络就开始愉快的跑起来了，如下所示：
至此，你已经完成了整个安装步骤。
6 关于 CPU版本的tensorflow
我实际安装过程中，对GPU和CPU两个都进行了测试，发现两个的速度差别还真心是挺大的，下面贴出一个在CPU版本下跑mnits例子的截图吧：
可以看到在CPU中每一个batch中运行时间平均是GPU版本的10倍，所有有条件的同志还是建议上GPU的。
7 学习资源
最好的资源肯定还是去tensflow 官网一步一步学习，当时如果觉得英文费劲的话，可以先看看这个tensorflow的博客，挺多demo的，可以参考下：
http://blog.topspeedsnail.com/archives/11062
第一次写博客，描述不太清楚的地方请大家见谅，希望以后能出一些专业性的博文，与大家一同讨论学习。