|
這篇文章主要講TensorFlow在原生Windows下的安裝教程。 安裝環(huán)境：TensorFlow0.12+cuda8.0+cudnn v5.1+window7+python3.5 (1) 先安裝Python3.5 從官網(wǎng)下載Python3.5，https://www./downloads/windows/，雙擊安裝即可。接著將安裝路徑添加進(jìn)環(huán)境變量中。具體步驟：計(jì)算機(jī)右鍵屬性—高級(jí)系統(tǒng)設(shè)置—環(huán)境變量—系統(tǒng)變量—找到Path,把Python安裝路徑添加進(jìn)去。 （2）安裝Cuda和Cudnn（CPU版本的不需要安裝，可直接跳過第二步） 首先要檢查電腦的顯卡型號(hào)是否支持GPU加速。 https://developer./cuda-gpus點(diǎn)擊CUDA-EnabledGeForce Products。好像是computer capability大于3.0的才支持。我的顯卡版本是GT720（低端顯卡，湊合著用），支持GPU加速。確定電腦顯卡支持GPU加速后，開始下載Cuda: https://developer./cuda-downloads,（這里有個(gè)坑，如果瀏覽器下載一直下不了的話，建議用百度云離線下載）下載完直接雙擊安裝即可。接下來下載Cudnn: https://developer./cudnnCudnn解壓后將bin,include,lib三個(gè)文件夾里面的內(nèi)容覆蓋至Cuda安裝目錄下，默認(rèn)路徑為C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v8.0（記住不是替換，是把Cudnn文件里的.dll文件添加到Cuda里面）接下來，檢驗(yàn)Cuda是否安裝成功：進(jìn)入cuda路徑，默認(rèn)C:\ProgramData\NVIDIACorporation\CUDA Samples\v8.0\bin\win64\Release執(zhí)行里面的deviceQuery.exe文件，如下圖所示： 若出現(xiàn)上圖結(jié)果，即說明你安裝cuda成功。 （3）安裝tensorflow 在安裝TensorFlow之前，先修改鏡像 國外鏡像使用pip安裝速度很慢，為了使用國內(nèi)鏡像加速pip安裝，需要如下修改： WIndows 7在“C:\Users\用戶名\AppData\Local\pip”文件夾下，新建文本文件，添加內(nèi)容： 1. [global] 2. index-url = http://mirrors.aliyun.com/pypi/simple/ 3. [install] 4. trusted-host=mirrors.aliyun.com ps:這里使用的是阿里云的國內(nèi)鏡像。 接著，在開始菜單打開windows PowerShell,輸入py -3 –m pip install --upgrade https://storage./tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl Ps:因?yàn)楸救说碾娔X同時(shí)裝了Python2.7和Python3.5，所以必須指明是使用哪一個(gè)版本的pip模塊，若讀者電腦只裝了Python3.5，那么前面的py -3 –m語句可以忽略。 安裝完成后打開Python 3.5 64bit 進(jìn)行測(cè)試。 到“所有程序”下找到"Python 3.5 64bit"，出現(xiàn)命令窗口，輸入測(cè)試代碼： 1. >>>import tensorflow as tf 2. >>>sess = tf.Session() 3. >>>x = tf.constant(5) 4. >>>y = tf.constant(35) 5. >>>print(sess.run(x * y)) 6. 175
測(cè)試成功，TensorFlow安裝完成。 最后，檢驗(yàn)一下cudnn是否配置成功： Windows PowerShell 下輸入python（因?yàn)槲业碾娔X同時(shí)裝了Python2.7和3.5，所以必須用py -3指定用哪個(gè)版本，若讀者只裝了Python3.5，那么直接輸入python即可），再輸入import tensorflow,若出現(xiàn)下圖所示，不提示沒有安裝cudnn，則說明cudnn配置成功。
以上，便是本人在安裝TensorFlow時(shí)的具體流程，如有差錯(cuò)，還望不吝賜教！ 參考： windows 10 64bit下安裝Tensorflow+Keras+VS2015+CUDA8.0 GPU加速
|
|
|
