折腾了一天终于在电脑上安装好了tensorflow-gpu,打出Hello,Tensorflow!的时候,我终于吐了口气啊!

之前一直使用win7安装tensorflow(cpu版),开年尝试一下新的东西。

1.安装CUDA9.0

检查自己的电脑显卡支持CUDA后进行安装,我在安装之前先是看了几个大牛的博客。预先知道了目前tensorflow目前支持CUDA8.0和对应的CUDNN5.1版本(所以安装了这两个之后安装tensorflow-gpu之后测试说提示我:

could not find 'cudart64_90.dll' 这个提示意思是需要安装CUDA9.0)

可能是tensorflow升级了目前支持CUDA9.0和CUDNN7了,所以我后来又安装了CUDA9.0和CUDNN7

CUDA官网(https://developer.nvidia.com/cuda-downloads)最新是CUDA9.1了

所以我选择下载历史版本CUDA9.0(https://developer.nvidia.com/cuda-toolkit-archive)

注:最好是下载local版本,不要下载network版本,以免安装又出什么岔子

下载安装好了之后不要忘记系统环境配置

CUDA_PATH:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 

CUDA_BIN_PATH:%CUDA_PATH%\bin  

CUDA_LIB_PATH:%CUDA_PATH%\lib\Win32 

CUDA_SDK_BIN:%CUDA_SDK_PATH%\bin\Win64  

CUDA_SDK_LIB:%CUDA_SDK_PATH%\common\lib\x64   

CUDA_SDK_PATH:C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0  

2.下载CuDNN7

下载CuDNN,进了下载网站(https://developer.nvidia.com/rdp/form/cudnn-download-survey),你会发现他要让你注册了才能下载,过程比较烦。所以我直接在CSDN下载页面花了两积分下载的CuDNN7,亲测能用。(http://download.csdn.net/download/qq_34364066/10123615),下载后得到的是一个压缩包,将解压的文件夹复制到安装的CUDA【C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0的目录下即可。

3.安装Anaconda3

因为之前一直用,所以就用之前下载好的安装包,我的安装包是Anaconda3.4.2版本的Anaconda3-4.2.0-Windows-x86_64.exe,支持python3.5。

安装之后,在新建tensorflow环境。

conda create -n tensorflow-gpu python=3.5

新建好环境之后激活activate tensorflow-gpu,在环境里利用pip安装

pip install --upgrade --ignore-installed tensorflow-gpu

测试安装成功的小例子:

python //进入python命令模式

import tensorflow as tf

hello=tf.constant("Hello,tensorflow!")

s=tf.Session()

print (s.run(hello))

顺利打印出b"Hello,tensorflow!"说明成功,

exit()//退出python命令模式

4.安装并配置PyCharm

安装并破解PyCharm:

直接在官网下载相关版本的PyCharm(http://www.jetbrains.com/pycharm/download/#section=windows),安装的是专业版,安装过程很简单,重要的是安装成功后的激活过程

破解教程如下,博主讲解的很是详细。

http://blog.csdn.net/weixin_40190468/article/details/79084941

配置PyCharm:

在PyCarm下配置tensorflow环境,要设置好pycharm下解释器的interpreter的路径【File --> Setting --> Project --> Project Interpreter】,也就是anaconda中tensorflow-gpu的路径。

在pycharm中测试刚刚的小例子输出成功,则安装成功。

参考资料:

http://blog.sina.com.cn/s/blog_14935c5880102wu86.html

http://blog.csdn.net/u013080652/article/details/68922702

http://blog.csdn.net/sb19931201/article/details/53648615

https://www.jianshu.com/p/c245d46d43f0

http://blog.csdn.net/houchaoqun_xmu/article/details/58657083

https://mp.weixin.qq.com/s?__biz=MzI2MzYwNzUyNg==&mid=2247483793&idx=1&sn=fc53b4f078d01417e6d152c5bf0b1faf&chksm=eab80418ddcf8d0eb7b9cb9f2f9234b0e2c2caf48fce49891e4ef0f338b913f7a13d0cc54629&mpshare=1&scene=23&srcid=0805B6qFiG0Kzj6TIdkCwsDs#rd







GitHub 加速计划 / te / tensorflow
184.55 K
74.12 K
下载
一个面向所有人的开源机器学习框架
最近提交(Master分支:2 个月前 )
a49e66f2 PiperOrigin-RevId: 663726708 2 个月前
91dac11a This test overrides disabled_backends, dropping the default value in the process. PiperOrigin-RevId: 663711155 2 个月前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐