Win10 64bit下安装GPU版Tensorflow+Keras

Tensorflow和Keras都是支持Python接口的，所以本文中说的都是搭建一个Python的深度学习环境。

Keras是对Tensorflow或者Theano的再次封装，也就是以Tensorflow或Theano为后端，默认的后端是tensorflow，如果你想使用theano为后端，可以更改为theano。Keras为什么要对tensorflow和theano进行再次封装，当然是为了使用更简单！为了让我们不用关注那么多的底层细节，把所有精力都放在实际问题上面。

Tesorflow与theano是可以使用Nvidia GPU进行加速的，如果你的GPU不支持CUDA，那么也不用担心，那就使用CPU，只是速度慢点（其实是慢很多！）。如果你的GPU支持CUDA，不用犹豫了，果断使用CUDA进行加速吧，速度快个10~20倍，那是常事。

下图是整个Python深度学习环境的架构图：

1、软件准备

1.1 Visual Studio 2015

由于CUDA需要Visual C++ 2015的支持，所以在windows下安装CUDA运行环境，需要安装Visual Studio 2015以支持CUDA运行的C++环境。

1.2 Anaconda

Anaconda是一个Python科学计算环境，提供了很多常用的Python库，例如：numpy，scipy, matplotlib等等。自带的包管理器conda也很强大，可以方便地安装各种Python库。

下载地址：https://www.continuum.io/downloads/

直接下载64位的即可：

注意：只有最新的TensorFlow1.2才支持Python3.6，所以请将TensorFlow更新至最新版本，否则会出现无法运行的Bug。

1.3 CUDA

CUDA是由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

1.4 DirectX SDK工具包

微软的DirectX SDK工具包，不安装它的话，后面编辑CUDA_Samples是没法成功的。下载地址：https://pan.baidu.com/share/link?shareid=197164616&uk=369246564&fid=2918892502

1.5 cuDNN

CUDA的神经网络加速库，可以在前面GPU加速基础上大概再提升1.5倍的速度。 下载地址：https://developer.nvidia.com/cudnn

注意：cuDNN库一定要选择5.1版本的，因为TensorFlow目前只支持5.1版本。

2、软件安装

2.1 安装DXSDK_Jun10.exe

直接按照提示下一步就好了。我在windows 10上安装的时候，最后的时候会报错，不过没有关系，关掉那个框。搜索下”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件是不是存在，如果路径如下这个样子，就成功了。路径：C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include\d3dx9.h

2.2 安装 Visual Studio 2015

Visual Studio 2015 的安装包到哪里找，我就不说了。安装VS2015前，请先断网，不然安装过程会下载一堆东西，过程极慢。安装时只选择Visual C++部分，其他都可以不装，这样安装起来更快。安装要一会儿，请耐心等待。

2.3 CUDA安装

先确定下自己的显卡型号（不要告诉我你不知道怎么查看自己的显卡型号）。安装CUDA前先检查下，自己的显卡是否支持CUDA，可以从下面的网址查看自己的显卡是否在支持之列。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

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

注意笔记本和desktop的区别。

如果自己电脑显卡不支持的话就跳过第二部分，直接到第三部分。我的显卡是GTX1080Ti，是支持CUDA的，所以继续。

2.3.1 CUDA 8.0下载

从CUDA的官网下载安装文件，https://developer.nvidia.com/cuda-downloads，我安装时最新版本是 CUDA 8.0. 注意选择系统是windows 10，选择exe(local)那个Installer Type。如下图：

如果需要下载CUDA的历史版本，请到这里：https://developer.nvidia.com/cuda-toolkit-archive

2.3.2 测试CUDA安装结果

打开命令提示符，输入：nvcc -V

可以看到如下信息：

但是，这样并不代表安装成功了。等把CUDA_Samples示例编译通过不报错了，才能算是成功。

2.3.3 编译CUDA示例程序

（1）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，所以我打开Samples_vs2015.sln那个解决方案文件，将解决方案配置更改为Release和x64.

使用Release模型，由于所有程序安装包用的都是64位版本，所以改为x64比较好。

（2）右键单击，编译整个解决方案。如果不出意外，将会编译成功。如果提示是缺少：

“d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件 ，说明前面安装DirectX SDK没有安装好，重新安装下DXSDK_Jun10.exe，再次编译。

（3）关闭VS2015，在

c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release

目录下找到deviceQuery.exe这个文件。打开一个cmd窗口，定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录，输入：deviceQuery.exe ，然后回车。会得到如下结果：

如果你的结果与上面类似，恭喜你！CUDA 8.0安装成功了！

如果报错了，请检查下前面的步骤是否严格执行了。重新再来，直到成功。

3、安装Tensorflow与Keras

按照官网的方式安装TensorFlow就可以了。在命令行下输入如下命令：

  pip3 install --upgrade tensorflow-gpu
  pip install keras

接下来编写如下代码，测试TensorFlow是否安装成功：

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

我在PyCharm中运行的结果如下：

输出了正确的结果32，并且也显示了GPU信息。大功告成……

---

对机器学习，人工智能感兴趣的小伙伴，请关注我的公众号：