Win10上安装Keras 和 TensorFlow(GPU版本)

╰+攻爆jí腚メ 2022-03-30 18:51 398阅读 0赞

**一. 安装环境**

*  Windows 10 64bit 家庭版
 *  GPU: GeForce GTX1070
 *  Python: 3.5
 *  CUDA: CUDA Toolkit 8.0 GA1 (Sept 2016)
 *  cuDNN: cuDNN v6.0 Library for Windows 10

【注意】

（1）这里值得一提的是，Python，CUDA，cuDNN之间的版本要严格匹配，不匹配安装会出错。

（2）后来博主的系统升级到了Windows 10 64bit 企业版，按照上面的软件配置安装，结果出错了。换了CUDA和cuDNN的版本，成功安装。Windows 10 64bit 企业版上的安装环境如下：

*  Windows 10 64bit 企业版
 *  GPU: GeForce GTX1070
 *  Python: 3.5
 *  CUDA: CUDA Toolkit 9.0 (Sept 2017)
 *  cuDNN:cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0[  
    ][Link 1]

接下来介绍的安装步骤，都是在 Windows 10 64bit 家庭版上进行的，如果是在win10 64bit 企业版或者其他版本上的安装，只需要更换CUDA和cuDNN的版本即可，安装步骤是一样的。

**二. TensorFlow具体安装步骤**

1.首先下载Anaconda3的Win10 64bit版，安装Python3.5版本。可以直接下载Anaconda的安装包安装即可，一般不会有问题。（清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ， 官网链接 https://www.anaconda.com/download/）

注意：

(1)可以从清华大学的开源软件服务器上找到历史版本的Anaconda（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/），找到3-4.2版本的Anaconda安装包下载安装，这样获得的默认python就是3.5版本了

(2)如果从官网下载Anaconda3，默认的python是3.6.x版本的，这样后面的过程中会出错。此时需要更改Anaconda3中python的版本，具体可以参考文献1：[在Anaconda中随意更改python版本和其他相关包版本的使用经验！][Anaconda_python]

2.TensorFlow 有两个版本：**CPU** 版本和 **GPU** 版本。**CPU** 版本的安装可以参考文献2：[win7系统中使用anaconda安装tensorflow，keras][win7_anaconda_tensorflow_keras]。GPU 版本需要 **CUDA** 和 **cuDNN** 的支持，CPU 版本不需要。如果你要安装 GPU 版本，**请先确认你的显卡支持 CUDA**。我安装的是 GPU 版本，采用 Anaconda+pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 CUDA 和 cuDNN。

3.安装cuda8.0（https://developer.nvidia.com/cuda-toolkit-archive 或 https://developer.nvidia.com/cuda-downloads）。

注意：

1）在参考文献3：再写博文，回顾在Windows7上安装TensorFlow-GPU的一路坑 ，提到，在安装CUDA的过程中，安装包自身就包括了一个显卡驱动。那么这个版本就应该是和CUDA9相互支持匹配的驱动程序，安装好软件后不要升级驱动程序，否则会报错）

2) 如果没有安装Visual Studio,安装CUDA8的过程中，会提示要安装Visual Studio。所以可以先安装Visual Studio。

4.安装cudnn6.0（https://developer.nvidia.com/rdp/cudnn-download,点开链接下载时，提示要注册一下，可以用新浪邮箱注册，qq邮箱不能通过）。解压刚才下下来的安装包，将include,lib和bin三个文件夹下的文件拷到CUDA对应的文件夹下面即可。即把这三个文件夹里的内容添加到CUDA的安装目录（我的是C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v8.0）下面相对应的目录里面，bin的放到bin，lib的放到lib，include的放到include。注意是添加文件夹里的内容，不是直接覆盖替换文件夹。

5.打开Anaconda prompt,通过调用以下命令创建名为 tensorflow 的conda环境: conda create `-``n tensorflow python``=``3.5`

![937910-20180116150921193-1513273378.png][]

注意，博主在安装的时候，出现了如下错误：

CondaValueError: prefix already exists: D:\ProgramFiles\anaconda3\envs\tensorflow

原因是在C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v8.0目录下已经有了TensorFlow，删除目录下的文件即可。可以参考[文献4][4]

6. 删除后就可以安装了。中间提示提示需要安装其他的包，输入 y 即可。

![937910-20180116151519209-688095385.png][]

6.通过发出以下命令来激活conda环境: activate tensorflow ， 如果前面出现(tensorflow) 表示环境已经成功激活

![937910-20180116151741693-408592722.png][]

7.确保名叫tensorflow的环境已经被成功添加：conda info --envs ，从下图可以看到，环境已经添加上了。

![937910-20180116105547146-887954623.png][]

8.要安装 GPU 版本的 TensorFlow, 请输入以下命令 (在一行中): pip install `-``-``ignore``-``installed``-``-``upgrade tensorflow``-``gpu`

![937910-20180116152224099-839811824.png][]

![937910-20180116152253803-1469762084.png][]

9.验证您的安装

打开Anaconda Prompt之后，激活conda环境: activate tensorflow

![937910-20180116192409756-1253600742.png][]

输入：python

![937910-20180116192434365-1612661889.png][]

之后输入以下程序：

\-----------------------------------------------

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

\-----------------------------------------------

如果没有提示错误，并输出以下内容，则说明tensorflow已经成功安装

\---------------------------------------------

b'Hello, TensorFlow!'

\---------------------------------------------

**三. Keras具体安装步骤**

1.打开Anaconda Prompt之后，激活conda环境: activate tensorflow

![937910-20180116210415974-367028933.png][]

2.安装keras,使用命令： pip install keras

![937910-20180116211524162-516779997.png][]

3.验证您的安装。输入命令 python，然后输入 import keras，如果没有报错，则安装成功

![937910-20180116211750443-1120835385.png][]

**四、jupyter notebook 中使用 tensorflow 和 keras (电脑升级到企业版后，补充的部分)**

1.打开Anaconda Prompt之后，激活conda环境: activate tensorflow

![937910-20180202012042562-1686813353.png][]

2、输入一下命令，安装ipython 和 jupyter

（1）安装ipython

conda install ipython

![937910-20180202012649453-1601403201.png][]

（2）安装jupyter

conda install jupyter

![937910-20180202012714515-1306708702.png][]

（3）运行一下命令

ipython kernelspec install-self --user

![937910-20180202012757281-624503601.png][]

(4)输入jupyter notebook ，在浏览器中打开jupyter notebook

![937910-20180202013048859-380828534.png][]

（5）在打开的页面中，输入以下命令，按shift + enter 运行命令，没有报错，则tensorflow 和keras安装成功

import tensorflow as tf

import keras

如下图所示：

![937910-20180202013556515-1567237858.png][]

【遇到的问题】

1、打开jupyter notebook后，运行上诉两条命令，提示找不到tensorflow 和 keras。这可能是ipython 和 jupyter 没有正确安装。ipython 和 jupyter 都需要安装在创建的conda 虚拟环境下。正确的位置如下所示：

![937910-20180202014257718-638538658.png][]

如果python 、ipython和jupyter不在这三个位置，则需要重新安装。详细步骤可以参考博客：[ jupyter notebook 中 tensorflow 报错][jupyter notebook _ tensorflow]

\----------------------------------------------------------------------

参考链接：

1.  http://blog.csdn.net/Kyle\_2017/article/details/78257051?locationNum=2&fps=1
2.  https://www.jianshu.com/p/f50bbfcb3674
3.  http://blog.csdn.net/infovisthinker/article/details/54705826
4.  https://stackoverflow.com/questions/40180652/condavalueerror-value-error-prefix-already-exists
5.  http://www.cnblogs.com/bnuvincent/p/7045324.html
6.  https://keras.io/
7.  jupyter notebook 中 tensorflow 报错 : https://www.jianshu.com/p/a8d4df740218
8.  Windows环境下TensorFlow的安装及如何在Jupyter Notebook中使用TensorFlow : http://blog.csdn.net/shengyingpo/article/details/70237754

[Link 1]: https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170307/cudnn-8.0-windows10-x64-v6.0-zip
[Anaconda_python]: http://blog.csdn.net/Kyle_2017/article/details/78257051?locationNum=2&fps=1
[win7_anaconda_tensorflow_keras]: https://www.jianshu.com/p/f50bbfcb3674
[937910-20180116150921193-1513273378.png]: /images/20220330/0bc25d9783db4480ad7e34069009bb70.png
[4]: https://stackoverflow.com/questions/40180652/condavalueerror-value-error-prefix-already-exists
[937910-20180116151519209-688095385.png]: /images/20220330/a6e8a90a29714809b7e60e757034d81f.png
[937910-20180116151741693-408592722.png]: /images/20220330/ee8555ecd8dc4132bf97d607034bd6a6.png
[937910-20180116105547146-887954623.png]: /images/20220330/bc7f653c1969434ca8dc7aaa0be6714d.png
[937910-20180116152224099-839811824.png]: /images/20220330/357f690c3f8345e38bc95506f47e9b96.png
[937910-20180116152253803-1469762084.png]: /images/20220330/26e606662a464da39c57d14982fe5532.png
[937910-20180116192409756-1253600742.png]: /images/20220330/fba43ed7b70246069bdac95069fbce18.png
[937910-20180116192434365-1612661889.png]: /images/20220330/bd736d4280aa4fee8c8b7d98a3174bd0.png
[937910-20180116210415974-367028933.png]: /images/20220330/ff5ad41adcae4495aaff8e4c7397d83e.png
[937910-20180116211524162-516779997.png]: /images/20220330/8fa93f32f48e441b92f1dd4b86c85105.png
[937910-20180116211750443-1120835385.png]: /images/20220330/ceb9acf6792a417aae5125340be7e1ec.png
[937910-20180202012042562-1686813353.png]: /images/20220330/584977a90eb044778135d023a2a571f4.png
[937910-20180202012649453-1601403201.png]: /images/20220330/e4d295fa41a747718a1c6ae613a1f592.png
[937910-20180202012714515-1306708702.png]: /images/20220330/ff777c0dcb604c11be5f1b52655e8620.png
[937910-20180202012757281-624503601.png]: /images/20220330/a7857076b5854b3289d1bcdd30b6ca1f.png
[937910-20180202013048859-380828534.png]: /images/20220330/5bee55f109b942afa42140a8a9e0b640.png
[937910-20180202013556515-1567237858.png]: /images/20220330/65bda1214ccf40f18a4fa7e13e9dea62.png
[937910-20180202014257718-638538658.png]: /images/20220330/9d33218ea87b4b73b7d28bbcd26b9bb4.png
[jupyter notebook _ tensorflow]: https://www.jianshu.com/p/a8d4df740218