Win10平台下安装tensorflow-gpu版并配置eclipse开发环境

Win10平台下安装tensorflow-gpu版并配置eclipse开发环境

本贴借鉴了作者 W,Haixin的帖子。但是实际安装时也出现了一些其他问题，这里进行补充，希望对大家有帮助。

一、电脑配置环境

我的电脑配置如下：
Windows10 企业版2016长期服务版
CPU i7-6700HQ
显卡 GTX960m

安装tensorflow一定要注意版本的匹配问题，否则安装了之后也无法使用。
目前亲测python3.6、cuda9.0、cudnn7.0、tensorflow-gpu1.7.0能构兼容

二、安装python3.6

Python安装此处不再赘述

三、安装anaconda

我在在安装Python 3.6后，选择了Anaconda5.0版本，需要注意的是安装时会提示是否将软件路径添加到环境变量中，该选项一定要勾选，否则就需要手动添加了。（图我自己没截取，就直接借用帖子里的了。就是图中红色字体的那一栏，默认是没有选中的，勾选了之后字体会变红色）

Anaconda下载地址：https://www.anaconda.com/download/。
我用的是我之前下载的5.0版本，目前最新版已经支持python3.7，我没试过行不行。

四.安装cuda和cudnn

1）cuda下载地址：https://developer.nvidia.com/cuda-gpus
2）cudnn下载地址：https://developer.nvidia.com/cuda-toolkit-archive
下载前需要先进行注册。一定注意下载版本：cuda9.0和cudnn7.0
先安装cuda，安装cuda时正常安装，没有特别的地方。
安装cudnn是把压缩包解压后，将压缩包内文件拷贝到cuda的安装路径下面，我的电脑上面是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0。可以看到cudnn的几个文件夹在这里都有，考进去合并就好啦。

验证cuda和cudnn是否安装成功可以输入命令：（要注意大小写，小写的-v是不能识别的）

nvcc –V

出现下图的内容时表示成功

如果没成功的话，检查一下环境变量，把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp两个路径添加到环境变量path中。（环境变量在哪配置想必大家装过python和java的都应该知道，这里不再赘述）

五、安装tensorflow

1.打开Anaconda Prompt，进入Anaconda命令行管理界面。配置清华仓库镜，分别输入两个命令：

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

2.创建tensorflow-gpu的运行环境，输入命令：

conda create -n tensorflow-gpu python=3.6

新建一个名字叫“tensorflow-gpu”，python版本为3.6的运行环境，此环境与Anaconda中其它环境隔离。此时会提示安装一些必要的软件包，输入“y“和回车后开始安装。（此过程需要联网）
3.激活并进入环境，使后续指令在激活的环境中生效，输入命令：

conda activate tensorflow-gpu

这里需要添加一个说明(如果能执行conda activate tensorflow-gpu命令就可以跳过这一步)：我的电脑装完anaconda后输入该指令提示conda命令没有activate选项。这里借鉴了清晨的光明的做法，问题得到解决。具体操作是输入命令：

conda install -n root -c pscondaenvs pscondaenvs

此时会提示安装一些软件，安装完成后我的就能执行conda activate tensorflow-gpu命令了
进入tensorflow-gpu环境后，路径前面会出现“（tensorflow-gpu）”如图所示

4.升级pip到最新版，防止稍后的安装时出现错误（亲测，版本低确实会报错）。一般在创建tensorflow-gpu环境时已经安装了pip最新版，不过为了保险起见，建议更新一下，如果是最新版的会自动跳过，输入指令：

python -m pip install --upgrade pip

5.安装tensorflow1.7.0及相应依赖包，输入指令：

pip install tensorflow-gpu==1.7.0

原帖子的作者是用了命令pip install --ignore-installed --upgrade tensorflow-gpu，这个命令是自动安装最新版本的，我安装时已经是1.13.0的版本了，安装上之后和cuda以及cudnn不兼容，无法运行。
6.验证安装情况
1）.首先输入命令conda activate tensorflow-gpu进入tensorflow-gpu环境

conda activate tensorflow-gpu

2）．输入python进入python环境
3）．输入import tensorflow as tf没有报错表示安装成功

需要注意的是，tensorflow是安装在anaconda的新建环境tensorflow-gpu下的，进入python也要从改环境下进入，否则是不行的。这一点在配置开发软件的编译环境时也要注意进行更改。

六、配置eclipse开发环境

（可以借鉴https://www.cnblogs.com/dadadechengzi/p/6656250.html）

1.安装pydev插件

启动Eclipse, 点击Help->Install New Software
在弹出的对话框中，点“Add”按钮Name中填Pydev，“Location”中填http://pydev.org/updates
然后一步一步装下去，如果装的过程中，报错了就重新装。

2. 配置pydev解释器

安装好pydev后，需要配置Python解释器。
在Eclipse菜单栏中，点击Windows ->Preferences.
在对话框中，点击pyDev->Interpreter - Python.点击New按钮，选择python.exe的路径（这里选择tensorflow-gpu环境下的python.exe。文件位置在anaconda安装位置的envs文件夹里）。选中后点击ok按钮保存配置。

至此就配置完成了，新建python工程后就可以正常使用了下面附一个简短代码用于测试

import tensorflow as tf
import numpy as np
def main():
    x_data=np.random.rand(100)
    y_data=x_data*0.1+0.2
    b=tf.Variable(0.)
    k=tf.Variable(0.)
    y=k*x_data+b
    #定义代价函数
    loss=tf.reduce_mean(tf.square(y_data-y))
    #梯度下降优化器
    optimizer=tf.train.GradientDescentOptimizer(0.2)
    #最小化代价函数
    train=optimizer.minimize(loss)
    #初始化变量
    init=tf.global_variables_initializer()
    with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
        sess.run(init)
        for step in range(201):
            sess.run(train)
            if step%20==0:
                print(step,sess.run([k,b]))
    print("end")
if __name__=='__main__':
main()

代码tf.Session(config=tf.ConfigProto(log_device_placement=True))设置显示键运行时的硬件位置，可以在输出栏看到程序在GPU上运行。