win10 1050Ti 笔记本配置 TensorFlow-gpu 过程（多图超详细）

目录

写在前面

一、安装步骤

1. 安装Visual Studio 2015 社区版

2. 安装CUDA（重要）

CUDA安装失败的解决方法

关于CUDA安装的说明

3. 安装Anaconda

4. 安装cuDNN

5. 安装TensorFlow-gpu

验证TensorFlow是否安装成功

6. Pycharm配置tensorflow

二、参考博客

总结

 

写在前面

本学期有个计算机应用技术实践任务，首先需要搭建Python运行环境（建议用Anaconda）以及安装TensorFlow，折腾了好几天，查阅了许多别人的安装教程，也踩了不少坑。最后成功为两台电脑配好了环境，下面记录了我的安装详细过程。笔记本电脑配置：win10系统 + 1050Ti显卡 联想拯救者Y7000，注：在搜索栏输入“自己的电脑型号或者显卡配置+TensorFlow”可以更快找到自己想要的信息

我的安装搭配：Visual Studio 2015 社区版 + CUDA9.0 + Anaconda3-5.1.0 + cuDNN-9.0 + Python3.6 + tensorflow-gpu1.12.0

注意：搭配的版本不正确会导致TensorFlow配置失败，可以去官网 https://www.tensorflow.org/install/source_windows 查看版本搭配

网盘一站式下载：链接：https://pan.baidu.com/s/1pSvVq5HOVW_rFl0_-PgR4A    提取码：to75 

 

 

一、安装步骤

1. 安装Visual Studio 2015 社区版

需要先安装Visual Studio，否则CUDA会安装失败，一开始电脑已经有VS2019，尝试了下安装CUDA失败了，卸载VS2019再安装VS2015，有的教程是安装VS2017，读者可以自己尝试。通过控制面板就可以卸载VS。

下载地址：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/（官网）或者从前面提供网盘下载

1.1 进去官网下拉，找到2015，点击下载

1.2 找到VS 2015社区版，点击下载

1.3 运行安装包

1.4 选择安装路径，我选择的是放在D盘，选择自定义安装“Custom”，点击Next

1.5 选择安装相应的组件，点击Next

1.6 点击Install

1.7 安装中

安装过程较长，耐心等候

1.8 安装完成后，VS可以不用打开，在开始菜单的“最近添加”可以看到VS2015

 

2. 安装CUDA（重要）

CUDA的成功安装是关键一步，我就是多次卡在CUDA安装不成功，安装CUDA一定先要安装好VS2015

2.1 首先查看自己的电脑GPU是否支持CUDA

去https://developer.nvidia.com/cuda-gpus（英伟达官网）查看支持CUDA的英伟达显卡型号，一开始以为自己的1050Ti不支持，最终的结果证明是1050Ti是可以的

2.2 下载CUDA

下载地址：（官网）https://developer.nvidia.com/cuda-toolkit-archive，前面提供的网盘也有，我下载的是CUDA Toolkit 9.0

2.3 运行安装包

2.4 选择安装路径，我选择默认路径，建议安装CUDA的安装路径都选择默认

2.5 检查系统兼容性

忽略警告，点击继续

2.6 点击同意并继续

2.7 选择自定义安装（我选择精简安装失败就换了个安装方式），点击下一步

2.8 点击下一步

2.9 选择安装位置，建议保持不变，不要更改，点击下一步

2.10 安装中

2.11 安装完成，如果安装出现问题，下拉查看解决方法

2.12 检测CUDA是否安装成功

cmd命令行输入“nvcc -V”，如果显示下面的信息，CUDA基本安装成功

2.13 配置环境变量

（1）电脑桌面找到我的电脑（此电脑）右键点击属性，如果我的电脑是快捷方式，需要先点击文件所在位置再右键点击属性

属性→高级系统设置→环境变量

在系统变量中可以看到CUDA_PATH和CUDA_PATH_V9_0两个变量

（2）编辑用户变量Path，在用户变量Path下添加：C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0

（3）在系统变量中添加下面几个变量

CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

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

如下图所示

（4）命令行输入set cuda验证一下

CUDA安装失败的解决方法

我安装CUDA也失败了几次，大多数原因是电脑原有驱动跟CUDA安装的驱动起冲突，需要将电脑原有驱动删除再重新安装CUDA，下面是解决方法，亲测有效

（1）进入安全模式删除驱动

参考知乎：https://www.zhihu.com/question/275055666

我们平时使用的电脑模式是普通模式，普通模式是删除不了显卡驱动的，读者可以自己验证，进入安全模式不需要用到显卡，我们可以删除显卡驱动文件

进入安全模式的步骤：电脑左下角“开始”图标右键→设置→更新和安全→恢复→立即重新启动→疑难解答→高级选项→启动设置→重启→按数字键4选择启动安全模式，此时需要输入开机密码，注意开机密码是你微软账号的密码，不一定是普通模式的开机密码，如果忘记密码的话，重启进入普通模式，到微软官网选择忘记密码、重置密码

进入安全模式后，屏幕左下角和右下角都有安全模式几个字

①删除下面两个文件夹

显卡驱动默认安装的是这两个位置

C:\Program Files\NVIDIA Corporation

C:\Program Files\NVIDIA GPU Computing Toolkit

②删除注册表

win+R运行，输入regedit打开注册表，找到下面这两项

HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA Corporation

HKEY_LOCAL_MACHINE\SOFTWARE\NVIDIA GPU Computing Toolkit

重启电脑，重新安装CUDA

（2）DDU软件删除驱动

DDU软件可以从提供的网盘下载

①下载完成后，解压运行exe文件

②右上方选择驱动类型，点击清除后重启

③重启后，重新安装CUDA

关于CUDA安装的说明

在我的安装过程中，显示安装程序已完成，但是可以看到图形驱动程序Not installed，上拉还看到有个组件提示存在版本冲突，以为安装又出现问题，后面忽略过这个问题，结果证明能成功安装TensorFlow；

在为另一台电脑安装CUDA时，按照步骤删除电脑原有驱动安装CUDA，最后显示安装失败，看到有个叫showplay的组件安装失败，尝试了几次仍是这样，后面就不管这个问题也成功安装TensorFlow；

因此如果按照上述步骤删除驱动安装CUDA，尝试几次仍出现问题的话，不妨直接进入下一步，这是我的一个体会。

 

3. 安装Anaconda

Anaconda安装过程很简单，下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/（清华镜像网站）或者前面提供的网盘地址，我下载的版本是Anaconda3-5.1.0

3.1 运行安装包

3.2 点击Next

3.2 点击同意协议

3.3 点击Next

3.4 选择安装路径，我选择安装在D盘，点击Next

3.5 安装完成后，可以在开始菜单栏中看到下图

 

4. 安装cuDNN

下载地址：官网https://developer.nvidia.com/rdp/cudnn-download，网盘中也有

官网加载很慢，需要注册账号，慢慢等

4.1 同意→Archived cuDNN Reteases

4.2 根据自己的CUDA版本，选择相应的cuDNN

4.3 下载完成后，解压

进入文件夹，复制下面三个文件粘贴到安装CUDA的文件夹下，我存放CUDA的路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

4.4 选择替换文件

 

5. 安装TensorFlow-gpu

（1）开始菜单中打开Anaconda Prompt

（2）创建命名为 tensorflow-gpu ，python版本为3.6的环境，命名可以自己定义

conda create -n tensorflow-gpu pip python=3.6

中间会有个询问，输入y

（3）激活环境

activate tensorflow-gpu

(4) 安装tensorflow-gpu

有两种方式，分为通过镜像网站pip安装、下载到本地再安装，两者选一即可

①通过国内镜像网站下载，需要指定tensorflow-gpu的版本，不然会自动下载最新版本，最新版本的tensorflow-gpu可能与之前下载的东西版本不对应

清华大学镜像网站：

pip install --ignore-installed --upgrade tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

我用清华大学镜像网站网速很慢，后改为豆瓣镜像网站，起飞

pip install --ignore-installed --upgrade tensorflow-gpu==1.12.0 -i https://pypi.douban.com/simple/

 

②本地安装

下载网址：https://github.com/fo40225/tensorflow-windows-wheel

选择要安装的tensorflow版本，我选择的是1.12.0，下面有个README文件可以查看版本对应关系

我安装的python版本是3.6，选择py36

选择GPU版本，GPU计算能力高

下拉可以看到sse2是x86_64

下载完成后将tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

复制到C:\Windows\System32文件夹下，然后输入命令

pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

如果网络不行，会出现Timeout错误，如下图

此时更改命令

pip --default-timeout=100 install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

验证TensorFlow是否安装成功

命令行输入pip list或者conda list

可以看到tensorflow-gpu及其版本号

代码示例1：打印hello world，输出  b'hello world'  即为正确

import tensorflow as tf

hello=tf.constant('hello,world')

sess=tf.Session()

print(sess.run(hello))

代码示例2：简单计算，输出 3 即为正确

import tensorflow as tf

x=tf.constant(1)

y=tf.constant(2)

z=x+y

sess=tf.Session()

print(sess.run(z))

 

6. Pycharm配置tensorflow

下载地址：https://www.jetbrains.com/pycharm/download/#section=windows 我下载的是社区版

6.1 下载安装完成后，运行Pycharm，新建项目New Project

6.2 将上面的hello world示例代码替换掉下图中的初始代码

替换后的结果：

可以看到tensorflow报错，解决方法是导入tensorflow

6.3 Pycharm左上角Files→Settings→Project：hello world→Python Interpreter

6.4 点击Add

6.5 选择Existing Environment→选择之前创建的名为tensorflow-gpu环境下的python

6.6 点击+号

6.7 （这个过程需要耐心等待）搜索栏中输入tensorflow，选择tensorflow-gpu，然后选择自己前面步骤中安装的版本，我的版本是1.12.0，点击左下角Install Package

安装过程需要耐心等待，安装成功后，Pycharm右下角会告知安装成功的消息

6.8 运行hello world代码，测试

 

二、参考博客

【1】Win10+1050Ti配置Tensorflow教程

【2】Win10 + 1050Ti 安装 tensorflow-gpu-1.8.0 踩坑笔记

【3】win10+tensorflow-gpu+1050ti（终于安装成功了T﹏T）

【4】Win10 64 位Tensorflow-gpu安装（VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5）

【5】pip使用国内镜像安装报错 ERROR: Cannot unpack file C:\U\ww\AppData\Local\Temp\pip-unpack-aqclq0d1\simpl

【6】国内镜像源网站

【7】CUDA安装失败的解决方法

总结

个人感觉配置TensorFlow是个碰运气的过程，我自己为两台1050Ti电脑配置TensorFlow过程中，遇到的问题有所差异，只能根据问题一步步解决，耐心按照步骤来，关键是CUDA能安装成功。

中间有些步骤忘记截图，如有错误，还请指正。