win7安装tensorflow-GPU版本流程

背景

  近期新购一台工作站，虽然之前在linux环境下安装过tensorflow-gpu，但此次在windows7安装还是遇到了不少坑。下面把完整的安装流程，以及其中的注意事项分享给大家。

工作站基础环境

操作系统： win7 64位专业版
硬件参数： RTX2080Ti
软件参数： Anaconda3-5.2.0-Windows-x86_64（Python3.6）
      Visual StudioEnterprise 2015
      cuda_9.2.148_windows
      cudnn-9.2-windows7-x64-v7.6.4.38
      tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64

安装步骤

1.安装顺序

vs2015 --> Anaconda --> cuda --> cudnn --> tensorflow

2.vs2015的安装

1）安装cuda的过程，他会自动检查c++编译库等，需要我们提前安装vs编译器。他支持2013、2015和2017，我本次安装的的Visual Studio Enterprise 2015。
2）vs下载
  可以去微软官网下载visual studio，我这里给大家推荐一个网站MSDN，这里有丰富的IT资源，开发工具、操作系统、应用程序等。找到开发人员工具，visual studio2015，选择一个合适版本下载。

图2.1 vs2015下载

2）vs安装
  安装过程十分简单，注意安装类型选择自定义，选择功能把Visual C++勾选上，其余点击下一步即可。

图2.2 vs2015安装

3.Anaconda的安装

1）anaconda下载
  最新版本的Anaconda可在官网www.anaconda.com下载，官网提供windows、macOS、linux版本的安装包，可根据自己的实际需求选择对应的安装包。

图3.1 Anaconda下载

  截止20190930，anaconda最近版本默认自带python3.7，考虑到与一些第三方库和许多开源项目兼容性问题，推荐大家使用python3.6。可以安装官方anaconda后，创建一个python3.6的虚拟环境，或者直接安装自带python3.6的anaconda，anaconda历史版本可在清华开源软件镜像站里下载清华镜像源

图3.2 Anaconda历史版本

  anaconda与python版本对应关系如下，每个python版本号下方的anaconda就是包含它的安装包，我本次用的是python3.6.5，相应下载anaconda3-5.2.0

图3.3 anaconda与python版本对应关系

2）anaconda安装
  安装anaconda过程很简单，一路next即可。注意两处地方

  这里选Just Me，否则使用后续pip安装时可能出现权限问题。

图3.4 anaconda安装

  这里将anaconda加入环境变量，否则安装后需自己手动添加环境变量。

图3.5 配置环境变量

2）创建虚拟环境
  进入cmd，输入conda create -n 环境名称 python=版本号

图3.6 创建虚拟环境

  输入activate tensorflow进入虚拟环境，输入python，启动python，说明安装成功。

图3.7 进入虚拟环境

4.cuda的安装

  cudn是显卡厂商NVIDIA推出的通用并行计算平台，可以减轻CPU的计算压力，提升计算的速度
1）cuda配置
  cuda版本需要与tensorflow版本对应，先定好tensorflow的版本，再安装相应的cuda即可。具体的对应关系可在tensorflow官网查询tensorflow.google.cn

图4.1 tensorflow版本-CPU版

图4.2 tensorflow版本-GPU版

  最新的tensorflow-gpu使用的cuda9.0 dll，所以可以安装cuda9.0搭配tensorflow_gpu-1.12.0。
有个小伙伴说RTX2080Ti不支持cuda9.0，所以我安装了cuda9.2，大家可以尝试下cuda9.0，如果可以的话告下我哈。
1）cuda下载
  nvidia官网提供了各种版本的cuda安装文件cuda下载地址，我选择安装cuda9.2，点击进入下载页面

图4.3 cuda下载

  选择自己对应的操作系统，有两种安装方式，一种在线，一种本地，我用的本地安装。之后下载即可。

图4.4 cuda9.2 下载

2）cuda安装
  运行上一步下载好的安装文件，进入安装界面。一直选择下一步，安装完成。（网上有人说有些模块要取消安装，我都是使用的默认，没出现问题）。
安装完成后，进入cmd，输入nvcc -V，出现cuda版本号说明安装成功。

图4.5 查看cuda版本

5.cuDNN的安装

  cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行caffe软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。
  相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。
1）cudnn下载
  NVIDIA 官网提供了不同的版本cuda相应的cudnn安装文件cudnn下载地址，对于同一个版本的cuda，可能有多个cudnn

图5.1 cuDNN下载

  我上一步装的是cuda9.2，所以这里选择下载cuda9.2对应的cudnn，根据自己的操作系统下载最新版的即可，我是win7系统。

图5.2 cuda9.2对应的cuDNN下载

2）cudnn安装
  将上一步下载好的cudnn压缩包进行解压，会得到下面的三个文件夹

图5.3 cudnn解压文件

找到cuda的安装目录，将图5.3中3个文件夹中的文件复制到cuda中同名的文件夹中

图5.4 cuda安装目录

6.tensorflow-gpu的安装

1）tensorflow-gpu下载
  PyPI网站包含了许多python第三方库的安装包，其中也包括tensorflow，tensorflow为CPU版，tensorflow-gpu为GPU版，tensorflow-gpu历史版本。

图6.1 tensorflow-gpu历史版本

  以tensorflow-gpu1.12.0为例，点击进入后，可看到不同python以及操作系统对应的下载链接。

图6.2 whl文件下载

  特别说明：本次我选择安装的是tensorflow_gpu-1.12.0，如果使用从PyPI下载的tensorflow，它默认只能调用cuda9.0，而我们安装的是cuda9.2。遇到这种情况不用担心，有大神重新编译了tensorflow，完美解决刚才的问题，在这里下载。选择1.12.0

图6.3 重新编译过的tensorflow

  选择合适的版本whl下载，本文下载的python3.6、GPU版对应的tensorflow。

2）tensorflow安装
  进入虚拟环境tensorflow，输入命令pip install whl文件路径，开始安装tensorflow。-i https://pypi.tuna.tsinghua.edu.cn/simple可切换为国内镜像源，加快安装速度。

图6.4 安装tensorflow

3）测试tensorflow
  进入python，输入命令import tensorflow as tf，成功导入tensorflow包。按照下图所示输入代码，如果显示出显存等信息，说明安装成功，我们就可以使用GPU进行训练了。

图6.5 测试使用tensorflow