學習筆記1:深度學習環境搭建win python tensorflow1.5 CUDA9.0 cuDNN7.0

學習筆記1:深度學習環境搭建win python tensorflow1.5 CUDA9.0 cuDNN7.0

        2018年2月13買了一臺Dell Inspiron7577,i7-7700hq、1050Ti顯示卡、win10家庭版。由於課題需要開始學習深度學習,之前在實驗室和自己的筆記本上安裝TensorFlow總是不成功,不然就是僅實現cpu運算。本次安裝主要是按照這位大神的安裝步驟,大神安裝的時間和我相近,大神解釋的也很詳盡,基本沒有出太多的問題,在此十分感謝!本人土木專業,計算機小白一隻,如有出錯望見諒,從零開始學習,也算是學習日記的第一篇了~

參考連結:http://blog.csdn.net/qq_33856151/article/details/79295086

安裝列表:

Anaconda 5.0.1 對應Python版本3.6.3

CUDA 9.0

cudnn 7.0

TensorFlow 1.5.0

pycharm 2017.3.3

1.安裝anaconda

anaconda是一個開源的Python發行版本,其包含了conda、Python等180多個科學包及其依賴項,是很方便的啦。可以直接搜尋在官網上下載最新版本,或者在清華開源映象網站上下載(推薦,速度快,有歷史版本)。我安裝的Anaconda3-5.0.1版本,好像現在更新到5.1.0,應該也可以用。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

安裝完成之後記得要新增“環境變數”,注意是在“系統變數”中“path”中新增變數。需要新增兩個:“C:\ProgramData\Anaconda3”、“C:\ProgramData\Anaconda3\Scripts”,前一個是安裝路徑,後一個是Scripts資料夾路徑,這裡我都是預設安裝路徑。

新增完之後,執行cmd或者執行anaconda prompt,在命令列中輸入python,即可執行python。

2. 安裝Visual Studio

網上說VS是溝通GPU加速的橋樑,原博主安裝的是VS2013,我下載了VS2015可以用,VS2015有三種版本:專業版、社群版、企業版,社群版是免費的,所以選擇了社群版,下載官方版本安裝即可。

3.安裝CUDA

CUDA是nvidia提供可以使用C 進行GPU程式設計的介面,這一步是關鍵中的關鍵!

(1)檢視顯示卡資訊

桌面上右擊,選擇“NVIDIA控制面板”,右擊選單沒有的在“控制面板”中搜尋。點選“幫助”—“系統資訊”—“元件”,檢視顯示卡驅動版本。筆記本上1050Ti顯示卡開始是CUDA8.0.0版本,更新驅動後就變成了9.1版本。

(2)下載CUDA

這裡比較繞,首先,安裝的TensorFlow1.5.0版本只支援CUDA9.0

其次,電腦上的顯示卡驅動版本和CUDA版本要匹配,我原來是8.0版本,安裝CUDA9.0就不行,而升級驅動至9.1之後就可以安裝CUDA9.0版本;(顯示卡驅動可以在NVIDIA corporation中更新,但只能更新到最新版本)

我們給出各顯示卡對應的歷史版本驅動:http://www.nvidia.com/Download/Find.aspx,紅色的是我下載的。

最後,我們需要下載安裝CUDA9.0(官方最新是9.1版本,雖然和我的顯示卡相匹配,但是TensorFlow1.5不支援9.1),我們從下面的連結裡找歷史的9.0版本。

各版本CUDA:https://developer.nvidia.com/cuda-toolkit-archive

*我個人理解是,顯示卡驅動要比安裝的CUDA版本高,CUDA我們只能安裝9.0,所以顯示卡驅動需要安裝9.0或者9.1版本的。

(3)檢查CUDA

可以利用CUDA提供的例子來判斷CUDA是否安裝成功,檔案路徑為(我是預設路徑)

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQuery

我安裝的是vs2015,所以選擇deviceQuery vs2015,具體除錯過程看一開始的原貼,非程式設計師出身解釋太困難了。執行之後會出現下面的結果,表示CUDA安裝成功了,看我的CUDA Driver Version(驅動版本)是9.1,Runtime Version(執行版本)是9.0。(原貼都是9.0)

4. 安裝必要環境

  1. 如何檢視已安裝的庫  
  2. 開啟 Anaconda Command Prompt ,在命令提示符視窗中輸入以下命令:`pip list` 或者`conda list`,  
  3. 其中,`pip list` 只能檢視庫,而 `conda list` 則可以檢視庫以及庫的版本  
  4.   
  5. 1. 如何安裝或更新庫  
  6.   
  7. 以安裝 更新 scipy 為例  
  8. pip install scipy  
  9. pip install scipy –upgrade  
  10. 或者  
  11. conda install scipy  
  12. conda update scipy  
  13.   
  14. 2.更新所有庫  
  15. conda update –all  
  16.   
  17. 3.更新 conda 自身  
  18. conda update conda  
  19.   
  20. 4.更新 anaconda 自身  
  21. conda update anaconda  

(1)安裝mingw 和 libpython 

  1. conda install mingw libpython  

(2)安裝Keras

  1. pip install keras  

其實這兩個我暫時不用,先放在這(原貼抄過來的)。

5. 安裝TensorFlow

安裝TensorFlow使用的語句為

pip install tensorflow-gpu 

這時安裝的是最新版TensorFlow的GPU版本(TensorFlow1.5.0,2018年2月9日)。另外cpu版本的安裝比較簡單,可以忽略上述大多數步驟。

6. 配置環境變數

貌似安裝之後自動新增了,如果沒有新增的話手動新增一下吧。

第一個框是安裝CUDA後新增的,第二個框是安裝VS後新增的,第三個框是安裝anaconda、mingw和libpython後新增的。

7. 安裝cuDNN

下載地址:https://developer.nvidia.com/rdp/cudnn-download

下載需要註冊一個NVIDIA賬號

下載後解壓壓縮包,將“bin”、“include”、“lib”中的檔案分別放在CUDA安裝路徑的對應資料夾中:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 (我的是預設路徑)

8. 安裝pycharm

安裝pycharm編譯器(其他編譯器也可以),學生可以申請一年的,網上有去http://idea.lanyus.com/找的,安裝教程百度一下很多。

至此,安裝工作結束。

9. 測試

使用程式碼

  1. import tensorflow as tf  
  2. sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))  

顯示下面的結果就是安裝成功了。

安裝下來還是挺費勁的,很感謝_Rio56帖子上的詳細說明,大部分是按著他說的步驟一步步做。這篇文章算是自己深度學習的第一篇筆記吧,以後記得怎麼安裝(o(╯□╰)o)