win10安装Tensorflow

win10安装Tensorflow

前提：

1. 保证你的pip>=8.1版本 否则利用python -m pip install -U pip  进行升级，或下载pip源文件

2. 确定你的显卡是否支持cuda，以及cuda版本。利用NVIDIA控制面板查看，具体请百度。

3. Python3.5 以上。

4. 安装的是tensorflow的gpu版本

安装：

之前，TensorFlow还不支持Window系统,虽然可以安装，但是极其麻烦。Google在2016年11月在开发者博客中宣布新版本            TensorFlow0.12，增加了对Window系统的支持。

安装前准备：

TensorFlow有两个版本CPU和GPU版本。GPU版本需要安装CUDA和cuDNN的支持，CPU版本直接安装即可。但是GPU图像计算强于cpu版，

1.pip升级

首先查看电脑是否支持CUDA。确保你的Python版本是3.5 64位。确保你有稳定的网络连接。确保你的pip版本 >= 8.1。用 pip -V 查看当前 pip 版本，用 python -m pip install -U pip 升级pip 。

然后可以开始下载 CUDA 和 cuDNN 的安装包了，注意版本号,我的版本分别是 Ccuda_8.0.44_win10.exe和 cudnn-8.0-windows10-x64-v6.0。

2.cuda安装

本人的机器支持GPU，所以我安装的是GPU版本。

安装cuda  https://developer.nvidia.com/cuda-downloads

将下载的文件解压，运行安装程序，安装过程屏幕可能会闪烁，安装时间有点长。安装之后系统变量会自动为你添加上。

测试一下是否安装成功，命令行输入nvcc –V ，看到版本信息就表示安装成功了。

3.cudnn安装

安装cuDNN 必须和cuda版本对应 https://developer.nvidia.com/cudnn 需要填写一些问卷

cuDNN是压缩包，解压之后放在需要存放的位置。需要的位置是指和cuda对应的文件夹，比如：将cuDNN文件夹bin的文件复制到cuda相应的文件夹bin下。其他的文件夹类似。

4.配置环境变量path

关键坑（运行TensorFlow）

1.TensorFlow 是一个编程系统, 使用图来表示计算任务，图必须在Session(会话)里被启动. Session将图的op(操作)分发到诸如CPU或GPU之类的设备上运行。所以，这个时候你运行python然后import tensorflow as tf是不会报错的，但是当你要执行tf.Session()的时候可能就有问题了。这个时候将会调用cuda，我在这里遇到的问题是各种lib,dll加载不了。经过一番检查，定位到问题，cuda安装完成后默认的环境变量配置不对，CUDA_PATH是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,但是这样不能直接访问到bin和libnvvp下的程序包，在path中加上这两个路径即可。
2.结果还有问题…还有一个库加载不了，就是上面的cuDnn库了，很简单，解压刚才下下来的安装包，将这三个文件夹下的文件拷到CUDA对应的文件夹下面即可。


这样就大功告成了。
最关键一步：
pip3 install tensorflow-gpu
哈哈哈，就这么简单，快去测试一下吧
#coding=utf-8

import tensorflow as tf
import numpy as np
hello=tf.constant('hhh')
sess=tf.Session()
print (sess.run(hello))
成功的样子：
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cublas64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cudnn64_5.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library cufft64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:128] successfully opened CUDA library curand64_80.dll locally
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:885] Found device 0 with properties:
name: GeForce GTX 1060
major: 6 minor: 1 memoryClockRate (GHz) 1.6705
pciBusID 0000:01:00.0
Total memory: 6.00GiB
Free memory: 5.01GiB
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:906] DMA: 
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:916] 0: 
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1060, pci bus id: 0000:01:00.0)
b'hhh'

测试

配置完成。