windows 下 TensorFlow（GPU 版）的安装

windows 10 64bit下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速

0. 环境

• OS：Windows 10，64 bit；
• 显卡：NVIDIA GeForce GTX 1050Ti，显卡查看方法：计算机【设备管理器】⇒ 【显示适配器】
• Python 的版本，注意只能为 3.5，并非越高越好；
• CUDA，8.0；

keras 可以以 TensorFlow 为后端（backend）（也可以 theano 为后端），安装完成 TensorFlow 的基础上，再安装 keras 是一件水到渠成的工作。

1. 安装步骤

• 安装 CUDA：深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。（CUDA 目前只有NVIDIA 的显卡才支持）

  • 检查 GPU 是否支持 CUDA；（注意笔记本和 desktop 的区别。）
    • 如果你的显卡比较新，到这里检查是否支持 CUDA：https://developer.nvidia.com/cuda-gpus（进入网页，点开自己的显卡所属的系列，以及型号等等）
    • 如果你的显卡很老，请到如下链接检查是否支持CUDA：https://developer.nvidia.com/cuda-legacy-gpus
  • 将自己的显卡驱动更新到最新版本，
    
    • 去官网下载，或者通过 GeForce Experience 下载安装；
  • CUDA 安装
    
    • CUDA 的下载地址：https://developer.nvidia.com/cuda-downloads
      • 如果需要下载 CUDA 的历史版本，请移步：https://developer.nvidia.com/cuda-toolkit-archive
    • 测试 CUDA 的安装结果，打开windows cmd，输入 nvcc -V，查看是否识别 nvcc 命令；
  • 安装 Visual Studio 2015 community
  • 编译 CUDA 的示例程序
    
    • 在 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 目录下，有CUDA的示例程序。由于我安装的是VS2015，所以打开 Samples_vs2015.sln 那个解决方案文件，将解决方案配置更改为Release和x64.
    • 右键解决方案名称，编译整个解决方案，在 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release 目录会生成 deviceQuery.exe 这个可执行文件。。
      
      • 如果提示是缺少：”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件，则需要安装 DXSDK_Jun10.exe，下载地址：https://pan.baidu.com/share/link?shareid=197164616&uk=369246564&fid=2918892502
  • 关闭 VS2015。打开一个cmd窗口，cd 到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录（一定要 cd，切换到该目录下，因为此路径中间有空格，如果直接执行 deviceQuery.exe 会空格前面的 C:\ProgramData\NVIDIA看做单独的命令），输入：deviceQuery.exe ，然后回车。

  • 安装 TensorFlow 和 keras

    • 下载安装 anaconda，选择 anaconda 4.2.0 系列，其对应的 Python 版本为 3.5

    • 更改 pip 的下载源，对于 windows 用户而言，进入其家目录（C:\Users\当前用户名）新建一个 pip.ini 文本文件，内容如下：

      [global]
      index-url = http://mirrors.aliyun.com/pypi/simple/
      [install]
      trusted-host=mirrors.aliyun.com

      也即讲源改为国内比如阿里云的源，以加快 pip install 第三方库的速度；

  • 安装 TensorFlow 以及 keras，保持网络连接，从开始菜单中打开Anaconda Prompt，输入：
    
    • pip install tensorflow-gpu
    • pip install keras

2. 测试

从开始菜单中打开 Anaconda Prompt，在命令行中输入：python（ipython），再输入：

import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))

如果正确打印出结果 32，不报错，说明 tensorflow 安装成功。

再输入：

import keras

3. 使用 cuDNN 加速

• cuDNN可 以在前面 GPU 加速基础上大概再提升1.5倍的速度，它由nVIDIA开发。可以到nVIDIA官网上下载。下载之前需要注册，然后问一系列问题，请耐心弄完。然后就可以下载了。下载 windows 10系统下64位的，最新的支持CUDA 8.0的cuDNN-5.1，文件名是：cudnn-8.0-windows10-x64-v5.1.zip，下载地址：https://developer.nvidia.com/cudnn
• 下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
• 如何验证CuDNN是否配置成功呢？打开 Anaconda Prompt，输入python，再输入import tensorflow，不再提示没有安装cudnn，就成功了。