win10下配置tensorflow-GPU版环境并输出特定文本

客官°小女子只卖身不卖艺 2022-05-06 12:00 144阅读 0赞

双系统下的Linux方案真的很折腾人，先写个win10下的解决方案吧。(事实证明，这条路同样是踩坑无数......)

1.下载安装anaconda套件(为了准备tensorflow环境)和tensorflow-gpu

[https://www.anaconda.com/download/][https_www.anaconda.com_download]

（划掉）这是anaconda官网，亲测下载挺慢的还经常断链，挂代理似乎也没有多大改善，不知是不是我自己的网络原因，所以尝试了清华的镜像：

[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/][https_mirrors.tuna.tsinghua.edu.cn_anaconda_archive]

![70][]

64位的Windows请选红箭头标识的这个链接下载。亲测五分钟左右下完。

双击.exe文件安装。

![70 1][]

安装好以后开始菜单里打开anaconda prompt。

![70 2][]

打开Anaconda Navigator：

![70 3][]

![70 4][]

![70 5][]

然后Apply

或者这样也可以：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --set show_channel_urls yes
    conda create -n tensorflow python=3.5

第三行语句输完回车后先别急着退出，而且后面还要用，这里有很多东西要执行，稍稍等一会儿。

![70 6][]

出现询问 Proceed(\[y\]/n)? 输入y回车。

回到开始菜单打开anaconda navigator。

![70 7][]

ok.

点左侧边栏的environments。

![70 8][]

这里红箭头指向的地方就可以看到tensorflow。如果之前prompt第三行语句没有等到询问就退出的话，现在这里就不会看到tensorflow了。

还是回到prompt，输入

activate tensorflow

会发现下一行的(base)变成了(tensorflow)。

输入

pip install tensorflow-gpu

如果提示找不到包，

输入conda create --name python35 python=3.5之后activiate tensorflow再尝试一次。

![70 9][]

这里会等上一会儿，不要着急。

![70 10][]

当prompt返回给你一个命令输入行的时候，上面这一串就执行完成了。

因为是gpu版的，所以还需要安装GPU相关的支持cuda和cudnn。

遇到不少麻烦，思路有点混乱，但是创建一个虚拟环境应该是必要的:

conda create -n tensorflow-gpu python=3.6.6
    activate tensorflow-gpu
    pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.下载安装cuda

cuda是NVIDIA推出的一款计算架构，使GPU可以解决复杂的计算问题。

[https://developer.nvidia.com/cuda-downloads][https_developer.nvidia.com_cuda-downloads]

![70 11][]

依次点Windows、8.1、exe(local)、Download。

2个G不到，很快也下完了。不废话，双击打开，选择一下解压目录，然后就开始解压。。。

以下按照默认的配置进行安装。

![70 12][]

遇到这个点安装。

用时可能比较长，耐心等一等就会好。

4.下载安装cudnn。

DNN，全称Deep Neural Network，深度神经网络。

[https://developer.nvidia.com/cudnn][https_developer.nvidia.com_cudnn]

点进去。

![70 13][]

![70 14][]

![70 15][]

没有账号的就create an account，进去之后可以注册一个，也可以用社交账号关联注册。跟着流程一步步注册很快就好，需要验证一次email。

再次回到刚才的下载页面，需要填一个cuDNN Download Survey。应该是类似问卷调查的东西，既然用了他们家的服务，那么也意思一下，填了这个survey。

![70 16][]

需要其他版本也可以点这里。

![70 17][]

下载好解压。将bin、include、lib三个文件夹复制到CUDA。 默认安装的CUDA路径应该是C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.0

![70 18][]

比如解压出的bin里的cudnn64\_7.dll，就把它复制到v10.0的bin文件夹里，照此类推。

然后将以下三个路径添加到环境变量中（不知道环境变量在哪的朋友自行百度~）

X:\\...\\CUDA\\v9.0\\bin

X:\\...\\CUDA\\v9.0\\libnvvp

X:\\...\\CUDA\\v9.0\\lib\\x64

本文中X:\\...=C:\\Program Files\\NVIDIA GPU Computing Toolkit，这个根据你实际的安装目录而定。  
![70 19][]

![70 20][]

这个 就是 环境变量

![70 21][]

像这样编辑Path。

5.使用tensorflow的会话(Session)输出特定文本。

启动anaconda prompt

输入：

python

import tensorflow as tf
    output = tf.constant("duohuo")
    sess = tf.Session()
    print(sess.run(output))

运行如图：

![70 22][]

这样就输出了一个字符串。

最后总结下，这个东西就好像玄学......中间查了很多资料、博客，请教了一些计科的同学，运气还算不错。

主要参考资料:

Win10下 tensorflow gpu版安装 - W.Yentl - 博客园 https://www.cnblogs.com/W-Yentl/p/7783933.html

安装Tensorflow1.3版本出错解决 - 大坡3D软件开发 - CSDN博客 https://blog.csdn.net/caimouse/article/details/77836495

pip install 安装特别慢 - binqiang2wang - CSDN博客 https://blog.csdn.net/m0\_37052320/article/details/80789276

win7电脑怎样修改环境变量\_百度经验 https://jingyan.baidu.com/article/b24f6c82cba6dc86bfe5da9f.html

Install TensorFlow Anaconda - YouTube https://www.youtube.com/watch?v=mh0\_yF4AtkY

[https_www.anaconda.com_download]: https://www.anaconda.com/download/
[https_mirrors.tuna.tsinghua.edu.cn_anaconda_archive]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[70]: /images/20220506/2e1df6db966d41ed8bfac4419f641712.png
[70 1]: /images/20220506/e74e628b54f94e2394860cb4d78574c4.png
[70 2]: /images/20220506/6201a097ba4343dd891d41e8f33504fc.png
[70 3]: /images/20220506/5f270f850c2448098ff01e8eee2023da.png
[70 4]: /images/20220506/be988f0b3e1c4ea289b60c43650387d3.png
[70 5]: /images/20220506/af37b39fad754109a1d0d5123d6f551f.png
[70 6]: /images/20220506/1f04da11ee4e42dc92ca82bf59f78b13.png
[70 7]: /images/20220506/48dc8626a22f43c69970a6d9111ddc3d.png
[70 8]: /images/20220506/87447b92d83c4d74b6011598ad2a33fd.png
[70 9]: /images/20220506/de7a48e122d141e29c40f67a635ea8f5.png
[70 10]: /images/20220506/90dfd0b0caba4b3f8d5b523db99a8fe4.png
[https_developer.nvidia.com_cuda-downloads]: https://developer.nvidia.com/cuda-downloads
[70 11]: /images/20220506/0f428a5bd1444ab7ac4664cfc0457d28.png
[70 12]: /images/20220506/5c52d83c5afd4cceac8c7c119a87d40e.png
[https_developer.nvidia.com_cudnn]: https://developer.nvidia.com/cudnn
[70 13]: /images/20220506/fb688ad059564fbea9f108b79e317030.png
[70 14]: /images/20220506/a722c6d3a0d146c58819266d87ec5cb5.png
[70 15]: /images/20220506/560c5645e6b244248398f1908fd90790.png
[70 16]: /images/20220506/67df715910ec42efa14d97985c9abde2.png
[70 17]: /images/20220506/7c429d9a77b340ec9e8fa0307a9cbc9b.png
[70 18]: /images/20220506/d2340c11ee1d4b5ea8e328e8c6082036.png
[70 19]: /images/20220506/9f10d4d79f9e4cd08af3c011f4120ef2.png
[70 20]: /images/20220506/40797fc3e54f4448a8d19c990207092b.png
[70 21]: /images/20220506/f8fcb1a8a2f646988f96e2c654dd9b0d.png
[70 22]: /images/20220506/331e2ba3a19b457fab768ee08e0a519d.png