Win10上安装TensorFlow(官方文档翻译)

一.推荐两个网站

• TensorFlow官方文档：https://www.tensorflow.org/install/install_windows
• TensorFlow中文社区：http://www.tensorfly.cn/tfdoc/get_started/os_setup.html

二.在 Windows 上安装 TensorFlow

目录：

1. 确定要安装的 TensorFlow
2. 使用 GPU 支持的TensorFlow 的要求
3. 确定如何安装 TensorFlow
4. 使用本机 pip 安装
5. 使用Anaconda安装
6. 验证您的安装
7. 常见安装问题

本指南说明如何在 Windows 上安装 TensorFlow

 

1.确定要安装的 TensorFlow

要安装以下类型的 TensorFlow, 必须选择其中一种:

• 仅使用 CPU 支持的 TensorFlow。如果您的系统没有 NVIDIA® GPU, 则必须安装此版本。请注意, 此版本的 TensorFlow 通常更容易安装 (通常在5或10分钟), 因此, 即使您有 NVIDIA® GPU, 我们建议先安装此版本。

• GPU 支持的TensorFlow。TensorFlow 程序在 GPU 上运行的速度通常比在 CPU 上快得多。因此, 如果您的系统有一个 NVIDIA® GPU 满足下面所示的先决条件, 并且您需要高效运行应用程序, 则应最终安装此版本。

2.使用 GPU 支持的TensorFlow 的要求

如果您使用本指南中介绍的一种机制来安装 GPU 支持的TensorFlow  , 则必须在您的系统上安装以下 NVIDIA 软件:

• CUDA®Toolkit8.0。有关详细信息, 请参阅 nvidia 文档, 确保您将相关的 Cuda 路径名追加到%PATH% 环境变量中, 如 nvidia 文档中所述。

• 与 CUDA 工具包8.0 关联的 NVIDIA 驱动程序。

• cuDNN v6.0。有关详细信息, 请参阅 NVIDIA 的文档。请注意, cuDNN 通常安装在与其他 CUDA dll 不同的位置. 确保将安装 cuDNN dll 的目录添加到%PATH% 环境变量中。

• 具有 CUDA 计算能力3.0 或更高的 GPU 卡。有关支持的 GPU 卡的列表, 请参见 NVIDIA 文档。

如果您有一个前一个软件包的不同版本, 请更改为指定的版本。特别是, cuDNN 版本必须完全匹配: 如果找不到 cuDNN64_6 .dll, TensorFlow 将不会加载。要使用不同版本的 cuDNN, 必须从源代码生成。

 

3.确定如何安装 TensorFlow

您必须选择安装 TensorFlow 的机制。支持的选项如下所示:

• 使用pip
• Anaconda

本地 pip 在您的系统上直接安装 TensorFlow, 而不需要经过虚拟环境。由于 pip 安装不是在单独的容器中与世隔绝的, 因此 pip 安装可能会干扰系统上的其他 Python-based 的安装。但是, 如果您了解 pip 和您的 Python 环境, 则 pip 安装通常只需要一个命令!此外, 如果使用 pip 进行安装, 用户可以从系统上的任何目录运行 TensorFlow 程序。

 

在Anaconda 中, 您可以使用conda创建虚拟环境。然而, 在Anaconda, 我们建议用pip install命令安装 TensorFlow , 而不是conda install命令。

注意: conda包是社区支持的, 不受官方支持。即, TensorFlow 团队既不测试也不维护这个conda包。用conda装有一定风险。

 

4.使用本pip 安装

如果您的计算机上没有安装以下版本的 Python 之一, 请立即安装它:

• Python 3.5.x 64-bit from python.org
• Python 3.6.x 64-bit from python.org

-TensorFlow 在 Windows 上支持 Python 3.5.x 和3.6.x。请注意, Python 3 附带了 pip3 包管理器, 它是您用来安装 TensorFlow 的程序。

要安装 TensorFlow, 请启动终端。然后在该终端中发出适当的 pip3 安装命令。要安装 TensorFlow 的仅 CPU 版本, 请输入以下命令:

C:\> pip3 install --upgrade tensorflow

 

要安装 GPU 版本的 TensorFlow, 请输入以下命令:

C:\> pip3 install --upgrade tensorflow-gpu

　　

5.使用Anaconda安装

Anaconda的安装是社区支持的, 没有得到官方的支持。

采取以下步骤在Anaconda环境中安装 TensorFlow:

1）.  按照Anaconda下载网站上的说明下载并安装蟒蛇

2）.  通过调用以下命令创建名为 tensorflow 的conda环境:

C:> conda create -n tensorflow python=3.5

        3）.  通过发出以下命令来激活conda环境:

C:> activate tensorflow
 (tensorflow)C:>  # Your prompt should change

　　4）.  发出适当的命令, 在您的conda环境中安装 TensorFlow。要安装 TensorFlow 的仅 CPU 版本, 请输入以下命令:

(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow

　　5）.  要安装 GPU 版本的 TensorFlow, 请输入以下命令 (在一行中):

(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu

6.   验证您的安装

启动终端。

如果你通过Anaconda安装, 激活你的Anaconda环境。

从 shell 中调用 python, 如下所示:

$ python

在 python 交互 的shell 中输入以下短程序:

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

　

如果系统输出以下内容, 则您准备开始编写 TensorFlow 程序:

Hello, TensorFlow!

　　

如果您是新的 TensorFlow初学者, 请参阅 TensorFlow 入门（https://www.tensorflow.org/get_started/get_started）。

如果系统输出的是错误消息而不是问候语, 请参阅常见的安装问题（https://www.tensorflow.org/install/install_windows#common_installation_problems）。

对于 Windows TensorFlow 安装问题, 也有一个有用的脚本（https://gist.github.com/mrry/ee5dbcfdd045fa48a27d56664411d41c）。

 

7.常见安装问题

我们依靠堆栈溢出来记录 TensorFlow 安装问题及其补救方法。下表包含指向一些常见安装问题的堆栈溢出答案的链接。如果遇到下表中未列出的错误消息或其他安装问题, 请在堆栈溢出时搜索它。如果堆栈溢出不显示错误消息, 请在堆栈溢出询问有关它的新问题, 并指定 tensorflow 标记。

Stack Overflow Link	Error Message
41007279	[...\stream_executor\dso_loader.cc] Couldn't open CUDA library nvcuda.dll
41007279	[...\stream_executor\cuda\cuda_dnn.cc] Unable to load cuDNN DSO
42006320	ImportError: Traceback (most recent call last): File "...\tensorflow\core\framework\graph_pb2.py", line 6, in from google.protobuf import descriptor as _descriptor ImportError: cannot import name 'descriptor'
42011070	No module named "pywrap_tensorflow"
42217532	OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits
43134753	The TensorFlow library wasn't compiled to use SSE instructions

 

 

翻译自：https://www.tensorflow.org/install/install_windows