WIN10下通过Anaconda安装TensorFlow-GPU版本和keras

admin管理员组

文章数量:1530020

WIN10下通过Anaconda安装TensorFlow-GPU版本和keras

环境

• win10
• GTX1060

版本

• TensorFlow-gpu 1.9
• anaconda 5.3.1
• keras 2.2.4
• CUDA 9.0.176
• CUDNN 7.4.1.5

安装参考

• Win10 Anaconda下TensorFlow-GPU环境搭建详细教程
• 如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

安装
下载anaconda 安装的3.7版本的anaconda3
官网下载安装即可
安装时点上添加path环境即可
再cmd中输入“conda -V”，能正常显示版本号，证明已经配置好了。

安装TensorFlow-gpu
在anaconda中的可视化页面新建虚拟环境或者使用命令新建环境

conda create -n tensorflow pip python=3.5

anaconda修改为国内源

• 清华源

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

• 中科大源

conda config --add channels https://mirrors.ustc.edu/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu/anaconda/pkgs/main/
conda config --set show_channel_urls yes

激活环境

activate tensorflow

安装

pip install --ignore-installed --upgrade tensorflow-gpu==1.9

这里安装的1.9版本 默认安装的1.12 根据版本需求自己更改
安装完之后我们需要知道CUDA和CUDNN的版本需要是什么版本
到Anaconda3\envs\tensorflow\Lib\site-packages\tensorflow\python\platform\build_info.py这个文件，可以看到使用的CUDA 9.0和cuDNN 7：

 msvcp_dll_name = 'msvcp140.dll'
    cudart_dll_name = 'cudart64_90.dll'
    cuda_version_number = '9.0'
    nvcuda_dll_name = 'nvcuda.dll'
    cudnn_dll_name = 'cudnn64_7.dll'
    cudnn_version_number = '7'

这里的msvcp140.dll应该在C:\Windows\System32\下面，是通过安装vc 2005 redistribute提供的，nvcuda.dll也是在C:\Windows\System32\下面，cudart64_90.dll则是安装CUDA 9.0时产生的，cudnn64_7.dll是安装cuDNN 7时产生的,任何一个文件缺失或没加入搜索路径都有可能引起tensorflow在import时报ImportError错
CUDA在https://developer.nvidia/cuda-downloads这里下载，打开页面后不要在这个页面里下载，因为这个页面下载的是CUDA9.2，版本太高了跟tensorflow1.9不匹配，而是应该后点击Legacy Releases按钮进入archive页面https://developer.nvidia/cuda-toolkit-archive，然后点击CUDA Tookit 9.0进入CUDA 9.0的下载页面https://developer.nvidia/cuda-90-download-archive，根据自己机器环境选择操作系统和版本及位数点击相应按钮做选择，注意最后一项Install Type最好选择本地可执行文件,比如Windows版的exe(local)或Linux版的runfile(local)，这样在网速差的环境下对成功安装更有保障
我下载的是本地的 1G多 还有4个补丁 也需要安装

cuDNN在https://developer.nvidia/cudnn这里下载，这里需要先注册账号然后登录才能进去下载，反正NVIDIA网站做的很不友好，注册后登录还得验证邮件转来转去的晕头转向，网站找个什么东西也是很不直观，不是一般的绕，用过NVIDIA网站的恐怕都想吐槽，登录(注册后好像仍然要使用join进去，而不是login，否则老是循环要你验证邮件有效性，晕死)进去后，下载对应于cuda9.0的cudnn7.4.1.5文件(从https://developer.nvidia/rdp/cudnn-download这里下载cudnn最新版7.4.1.5，不要进Archived cuDNN Releases)，对于Windows 64位安装环境，下载cudnn7.4.1.5 for cuda9.0即cudnn-9.0-windows10-x64-v7.4.1.5.zip
安装CUDA时，最好使用自定义安装，把Visual Studio Integration的勾选去掉
安装CUDA 9.0的默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\，安装CUDA9.0完后，把cudnn-9.0-windows10-x64-v7.4.1.5.zip解压后，把bin,include,lib里面的文件(共三个)分别拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\下的bin,include,lib目录下即可

环境变量设置
将下面四个路径加入到环境变量中，注意要换成自己的安装路径。

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

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

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

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

测试
查看是否使用GPU

import tensorflow as tf
tf.test.gpu_device_name()

查看使用哪个GPU

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

使用tf创建session

import tensorflow as tf
sess=tf.InteractiveSession()

不报错即为安装成功

有的教程说需要卸载之前安装的显卡驱动 我的经过并没有卸载之前的 也能正常使用 如果不行那就找教程卸载之前的显卡驱动

接下来安装keras就简单了

pip install keras 

即可 中间可能报某个包版本冲突 卸载安装需要的版本就可以

我的环境需求还需要安装其他几个库

pip install pillow


pip install captcha


conda install matplotlib

安装完即可 过程顺利 pillow是用来代替PIL的

本文标签： 版本AnacondatensorflowkerasGPU