windows安装 cpu-tensorflow 和 GPU-tensorflow及安装 Anaconda+cuda+cudnn配置python

待我称王封你为后i 2022-05-29 13:45 359阅读 0赞

# 环境要求： #

*  Windows
 *  python 3.5
 *  pip 9.0.1
 *  tensorflow 0.12.0
 *  cuda8.0
 *  cudnn5.1
 *  [查看gpu是否支持cuda，点击此处链接][gpu_cuda]

本文目的是帮助读者更快速的ping通win10环境下TensorFlow

注意一台主机要么装cpu-TensorFlow，要么装gpu-tensorflow，否则极容易报错，这是本人走过最大的错误！！本文会分别介绍这两种安装方式！！！千万别同时安装！![哭][cry.gif]

# 安装过程： #

# 第一步 安装python3.5 #

### 下载 ###

首先python版本很重要，安装tensorflow有严格的版本匹配要求。

官网下载地址 [https://www.python.org/downloads/release/python-352/][https_www.python.org_downloads_release_python-352]

版本种类如下：

web-based installer 是需要通过联网完成安装的

executable installer 是可执行文件(\*.exe)方式安装

embeddable zip file 嵌入式版本，可以集成到其它应用中。

![70][]

选择executable版本

![70 1][]

网盘分享链接： [https://pan.baidu.com/s/1nD29BxC6sThsdzEznbj5fQ][https_pan.baidu.com_s_1nD29BxC6sThsdzEznbj5fQ]   密码：8szx

Python安装过程注意：安装路径，之后的Anaconda安装路径要与它保持一致，我是用默认路径，C盘比较大 嘻嘻

安装完成，但在win10在任务栏和桌面上都未生成图标，使用起来麻烦些，在开始窗口打开所有应，按字母找到python程序项，右键选择固定在任务栏或屏幕。

![70 2][]

确保你的pip版本 >= 8.1

用 `pip -V` 查看当前 `pip` 版本，升级`pip`

python -m pip install -U pip

升级成功

![70 3][]

### 测试 ###

Cmd进入终端

说明：一定要重新启动命令终端，否则的path变量不会被重新加载。

![70 4][]

![70 5][]

### 恭喜你Python安装成功！ ###

# 第二步 安装Anaconda #

官网下载地址 [https://www.anaconda.com/download/][https_www.anaconda.com_download]

选择相应的Anaconda进行安装

网盘分享链接：[https://pan.baidu.com/s/1gtvSnoo7f0-Iu8SvZtospw][https_pan.baidu.com_s_1gtvSnoo7f0-Iu8SvZtospw]

密码：3pzr

![70 6][]

就和安装普通的软件一样，全部选择默认即可，注意**勾选将****python3.6添加进环境变量**

![70 7][]

![70 8][]

这样Anaconda就安装好了，我们可以通过下面的命令来查看Anaconda已经安装了哪些包  
运行 开始\->Anaconda3—>AnacondaPrompt

conda list

可以看到已经安装了numpy、sympy 以及刚安装成功的python3.5等常用的包

![70 9][]

# 第三步 激活Anaconda中python3.5 #

[https://blog.csdn.net/Kyle\_2017/article/details/78257051?locationNum=2&fps=1][https_blog.csdn.net_Kyle_2017_article_details_78257051_locationNum_2_fps_1]

我们从官网下载的anaconda，自带默认python3.6，所以需要修改。如果出现错误，通常是因为没有重启电脑造成，path等未及时更新

activate tensorflow

![70 10][]

**修改成功！**

# 第四步 安装Tensorflow #

（1）    打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    
    conda config --set show_channel_urls yes

（2）同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：

conda create -n tensorflow python=3.5

释义：创建一个姓名为tensorflow的python环境，python版本是3.5。

因此，有的人习惯写成形式如下（**建议使用**）：

conda create -n python35 python=3.5

![70 11][]

出现【Y/N】?选择Y

![70 12][]

显示tensorflow（python35）环境 被激活， 、conda未激活，此时具备安装CPU-tensorflow的条件

![70 13][]

运行 开始菜单->Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow（python35）的环境已经创建好了

# 4.1 安装CPU-tensorflow： #

### 4.1.1： ###

![70 14][]

![70 15][]

### 4.1.2：激活python35（tensorflow）环境 ###

在Anaconda Prompt中启动tensorflow环境，每次使用tensorflow都需要该步骤

activate tensorflow

**每次开机后欲使用TensorFlow，都需要该步操作**

![70 16][]

注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate

## **4.1.3：**安装cpu版本的TensorFlow ##

pip install--upgrade--ignore-installedtensorflow

## 4.1.4 测试 ##

在Anaconda Prompt中启动tensorflow环境，并进入python环境

![70 17][]

测试代码如下:

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

### 运行结果： ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dKX01laU1laQ_size_16_color_FFFFFF_t_70][]

# 4.2：安装GPU-TensorFlow #

## 4.2.1： ##

进入 AnacondaPrompt

pip install tensorflow-gpu==1.2

或者

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.2.0-cp35-cp35m-win_amd64.whl

注意pip install --upgrade tensorflow-gpu默认1.6版本，具体哪个版本取决主机，别轻易upgrade， 会产生连锁效应。如果pip install 过程中报错，可用浏览器单独下载TensorFlow，然后

pip install C:\自定义的目录\tensorflow_gpu-1.2.0-cp35-cp35m-win_amd64.whl

可能会出现

![70 18][]

按照要求更新即可

![70 19][]

# #

## 4.2.2： ##

安装gpu支持包cuda8.0和CuDNN5.0

官网下载地址  [https://developer.nvidia.com/cuda-80-ga2-download-archive][https_developer.nvidia.com_cuda-80-ga2-download-archive]

**注意cuda版本只能是8.\*   CuDNN 5.\*  这是与tensorflow配套的，不能下载最新的cuda 、cuDNN**

官网下载的时候不是缩写cuDNN（Deep Neural Network），注意找一下

网盘分享链接：[https://pan.baidu.com/s/1f8W9FzCiPTXRShGIgm7Slw][https_pan.baidu.com_s_1f8W9FzCiPTXRShGIgm7Slw]        密码：4rut

![70 20][]

根据自己的环境选择对应的版本,exe分为网络版和本地版，网络版安装包比较小，执行安装的时候再去下载需要的包；本地版安装包是直接下载完整安装包

### 测试cmd ###

看到版本信息表示小成功

nvcc-V

![70 21][]

**这样并不代表安装成功，等把CUDA\_Samples示例编译通过即不报错，才是安装成功**

![70 22][]

解压cudnn5.0

（1）生成cuda/include、cuda/lib、cuda/bin三个目录；

（2）分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\\Program Files\\NVIDIAGPU Computing Toolkit\\CUDA\\v8.0对应的include、lib、bin目录下即可

自定义的安装路径，需要自己搜索一下NVIDIA GPU Computing Toolkit的目录

### 测试 ###

C:\\Program Files\\NVIDIA GPU ComputingToolkit\\CUDA\\v8.0\\extras\\demo\_suite目录下找到deviceQuery.exe文件。打开一个cmd窗口，定位到C:\\Program Files\\NVIDIA GPUComputingToolkit\\CUDA\\v8.0\\extras\\demo\_suite目录，输入：deviceQuery.exe，然后回车。会得到如下结果：

![70 23][]  
  
恭喜你CUDA8.0安装成功！！！

** **

## 4.2.3： ##

安装依赖库Numpy、Scipy等

官网下载地址 [https://pypi.python.org/pypi/numpy][https_pypi.python.org_pypi_numpy]

下载的版本跟自身系统有关的（本人python3.5+win64）查看本机python版本：cmd-->python

由于后续还要安装Scipy，Scipy的安装需要依赖MKL库，官方的Numpy不包含MKL，故从

[http://www.lfd.uci.edu/~gohlke/pythonlibs/][http_www.lfd.uci.edu_gohlke_pythonlibs]

下载合适版本的包含MKL库的第三方Numpy ，**注意Numpy、Scipy、等很多python依赖库都能在该网站上找到。 **

**    **

*** 第一种方法*****：**下载完成后均放   C:\\Users\\adminstrator\\AppData\\Local\\Programs\\Python    目录下

***第二种方法：***自定义目录，命令行： cd 自定义的目录

网盘分享链接：[https://pan.baidu.com/s/17SGGgdXzyXXxGex\_Ra0Ghw    ][https_pan.baidu.com_s_17SGGgdXzyXXxGex_Ra0Ghw_]密码：29hg

![70 24][]

官网版如上图

![70 25][]

第三方库如上图

**numpy** :主要用来做一些科学运算，主要是矩阵的运算。NumPy为Python带来了真正的多维数组功能

**scipy：**主要是一些科学工具集，信号处理工具集（如线性代数使用LAPACK库，快速傅立叶变换使用FFTPACK库）及数值计算的一些工具（常微分方程求解使用ODEPACK库，非线性方程组求解以及最小值求解等）

**matplotlib**：是一个画图工具和Matlab中的画图工程类似

pip  install 文件名

**注意scipy安装必须在numpy成功安装之后安装，**安装顺序是numpy+MKL→scipy→matplotlib→scikit-learn

pip  install numpy-1.14.2+mkl-cp35-cp35m-win_amd64.whl
    pip  install scipy-1.0.0-cp35-cp35m-win_amd64.whl
    pip  install matplotlib-2.2.2-cp35-cp35m-win_amd64.whl
    pip  install scikit_learn-0.19.1-cp35-cp35m-win_amd64.whl

举例：

D:\Anaconda3\envs\tensorflow\Scripts> pip install D:\dependces\numpy-1.14.2+mkl-cp35-cp35m-win_amd64.wh

解释： cmd进入刚创建的python35(tensorflow)环境---D:\\Anaconda3\\envs\\tensorflow

再到 <Python安装目录>\\Scripts\\ 目录下---D:\\Anaconda3\\envs\\tensorflow\\Scripts。执行 pip install numpy-1.14.2+mkl-cp35-cp35m-win\_amd64.wh，写全 numpy文件的存放路径。

详情参见本人博客   [https://blog.csdn.net/WJ\_MeiMei/article/details/84393042][https_blog.csdn.net_WJ_MeiMei_article_details_84393042]

![70 26][]

** **

![70 27][]

###  测试 numpy ###

***第一种方法***

进入numpy安装路径（注意查看，可能与python35目录不一致），再进入python3.5环境，如图所示：

![70 28][]

from numpy import *
    m=mat(random.rand(4,4))
    m.I

***第二种方法***

（1）在Anaconda Prompt中激活python3.5环境，参见4.1.2

（2）python

(3) 图示

** **![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dKX01laU1laQ_size_16_color_FFFFFF_t_70 1][]

## ##

### 测试 scipy ###

import numpy as np
    from scipy.stats import beta
    from matplotlib.pyplot import hist, plot, show
    obs = beta.rvs(5, 5, size=2000)  # 2000 observations
    hist(obs, bins=40, normed=True)
    grid = np.linspace(0.01, 0.99, 100)
    plot(grid,beta.pdf(grid, 5, 5), 'k-', linewidth=2)
    show()

结果如图：

![70 29][]

![70 30][]

### 测试  matplotlib ###

from mpl_toolkits.mplot3d import axes3d
    import matplotlib.pyplot as plt
    from matplotlib import cm
    fig = plt.figure()
    ax =fig.gca(projection='3d')
    X, Y, Z =axes3d.get_test_data(0.05)
    ax.plot_surface(X, Y,Z, rstride=8, cstride=8, alpha=0.3)
    cset = ax.contour(X, Y,Z, zdir='z', offset=-100, cmap=cm.coolwarm)
    cset = ax.contour(X, Y,Z, zdir='x', offset=-40, cmap=cm.coolwarm)
    cset = ax.contour(X, Y,Z, zdir='y', offset=40, cmap=cm.coolwarm)
    ax.set_xlabel('X')
    ax.set_xlim(-40, 40)
    ax.set_ylabel('Y')
    ax.set_ylim(-40, 40)
    ax.set_zlabel('Z')
    ax.set_zlim(-100, 100)
    plt.show()

**运行结果：**

![70 31][]

** **

### 测试 GPU-tensorflow ###

AnacondaPrompt   输入

activate tensorflow
    python
    import tensorflow as tf
    hello =tf.constant("Hello!TensorFlow")
    sess = tf.Session()
    print(sess.run(hello))

![70 32][]

恭喜你 tensorflow-gpu安装成功！

## 第五步 总结 ##

###   5.1 总计安装包 ###

在 python3.5 环境下安装了  tensorflow 0.12   numpyMKL  scipy  matplotlib  scikit

在 Anaconda 下 envs 安装了 Python3.5

Anaconda3 结合 cudnn5  cuda8 使用

##  5.2 使用 tensorflow 注意事项 ##

每次使用前，激活 python3.5，参见4.1.2

# 卸载 重装TensorFlow必读 #

## （本人亲测最好的文档） ##

[https://blog.csdn.net/stupidautofan/article/details/79093920][https_blog.csdn.net_stupidautofan_article_details_79093920]

[gpu_cuda]: https://developer.nvidia.com/cuda-gpus
[cry.gif]: https://static-blog.csdn.net/xheditor/xheditor_emot/default/cry.gif
[https_www.python.org_downloads_release_python-352]: https://www.python.org/downloads/release/python-352/
[70]: /images/20220529/90b5950a4a2d437991d1ca1079bf66d0.png
[70 1]: /images/20220529/a33ac7a3933749d0870d9554c2a319d9.png
[https_pan.baidu.com_s_1nD29BxC6sThsdzEznbj5fQ]: https://pan.baidu.com/s/1nD29BxC6sThsdzEznbj5fQ
[70 2]: /images/20220529/89f12ff279be4873aef966ade5aa84ca.png
[70 3]: /images/20220529/794628a56f51499f9216fe96c3602d8e.png
[70 4]: /images/20220529/1bc525abbc45435588401efecd52ff76.png
[70 5]: /images/20220529/4720030dc7124e2697b025d6aefa100a.png
[https_www.anaconda.com_download]: https://www.anaconda.com/download/
[https_pan.baidu.com_s_1gtvSnoo7f0-Iu8SvZtospw]: https://pan.baidu.com/s/1gtvSnoo7f0-Iu8SvZtospw
[70 6]: /images/20220529/fb8ced2117604dfeb46f7e1090788dbc.png
[70 7]: /images/20220529/eb952d274f0b4a9ca55aa736dd598b76.png
[70 8]: /images/20220529/a024d55d430f4eafb09302d631061cea.png
[70 9]: /images/20220529/2337fde50c33406288019f02ac2b521f.png
[https_blog.csdn.net_Kyle_2017_article_details_78257051_locationNum_2_fps_1]: https://blog.csdn.net/Kyle_2017/article/details/78257051?locationNum=2&fps=1
[70 10]: /images/20220529/91340573cc0a40ccb4939720279c418f.png
[70 11]: /images/20220529/b8f0ef6fc937485799372706af88fa1f.png
[70 12]: /images/20220529/51f627ea6a074903b9275306aadb46e7.png
[70 13]: /images/20220529/efe7a7678e664100b5ae3cda0c7c8a2e.png
[70 14]: /images/20220529/19ce02cbbb184322b8e70a6fec3ebb0e.png
[70 15]: /images/20220529/10febd8c4a56412cb7348599c43fd29b.png
[70 16]: /images/20220529/beabeee2450945e798077cbfdc8586d9.png
[70 17]: /images/20220529/0ab0fd59b40d4fce94f1fd121d11cd30.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dKX01laU1laQ_size_16_color_FFFFFF_t_70]: /images/20220529/cac0bb1259d44010acb8c8768d9413c3.png
[70 18]: /images/20220529/7144628d56a94684bfb74a89d6015b3d.png
[70 19]: /images/20220529/a3f0f5e314784f4685779fe6b5822854.png
[https_developer.nvidia.com_cuda-80-ga2-download-archive]: https://developer.nvidia.com/cuda-80-ga2-download-archive
[https_pan.baidu.com_s_1f8W9FzCiPTXRShGIgm7Slw]: https://pan.baidu.com/s/1f8W9FzCiPTXRShGIgm7Slw
[70 20]: /images/20220529/734dba73aa6e44dfb6da0185b2a23f61.png
[70 21]: /images/20220529/26ca3e57d77348678545902582bdf7cb.png
[70 22]: /images/20220529/c31ca78fcf46430bb2c4d898f430cee5.png
[70 23]: /images/20220529/1d7e305047cd45df929a008b1b197fe9.png
[https_pypi.python.org_pypi_numpy]: https://pypi.python.org/pypi/numpy
[http_www.lfd.uci.edu_gohlke_pythonlibs]: http://www.lfd.uci.edu/~gohlke/pythonlibs/
[https_pan.baidu.com_s_17SGGgdXzyXXxGex_Ra0Ghw_]: https://pan.baidu.com/s/17SGGgdXzyXXxGex_Ra0Ghw
[70 24]: /images/20220529/8acd3489b1dd47faabab5c002f94923d.png
[70 25]: /images/20220529/43193da4ef1a4937a2c8718582b98716.png
[https_blog.csdn.net_WJ_MeiMei_article_details_84393042]: https://blog.csdn.net/WJ_MeiMei/article/details/84393042
[70 26]: /images/20220529/df97445ce9fa40a9b487567c44e819f2.png
[70 27]: /images/20220529/190274abf24041119c7a5c662a652e91.png
[70 28]: /images/20220529/bbd09bf691bc44f9933f633ee7bc9c0e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1dKX01laU1laQ_size_16_color_FFFFFF_t_70 1]: /images/20220529/9e52e2dd07854666aafb15b9544db756.png
[70 29]: /images/20220529/68782fc2bfc048cb851edffccd4fb6a7.png
[70 30]: /images/20220529/343cf44b7e3a413ab3739b460366c95d.png
[70 31]: /images/20220529/29d1af97251d4c12ba52e12d0a1443ff.png
[70 32]: /images/20220529/a67fb0d07d6547b79aa2b508b6cb10ea.png
[https_blog.csdn.net_stupidautofan_article_details_79093920]: https://blog.csdn.net/stupidautofan/article/details/79093920