Tip: 有關的資料，請看另一篇文章

1.自己的環境

• 系統：Win 10 專業版-64 bit
• CPU：i5-6500
• GPU：GTX 1060 6G
• 內存：16G

2.安裝包及版本

• Anaconda：Anaconda3-4.3.0.1-Windows-x86_64 下載位置：清華鏡像（速度快）
• Tensorflow：TensorFlow V1.0
• CUDA：CUDA-Windows-x86_64
• cuDnn：cuDnn 5.1

3.安裝步驟及注意問題

Anaconda

• 跟 python 完全獨立，甚至可重復安裝，附帶輕量級代碼調試器 spyder 以及交互式的 Ipython 等
• 直接安裝即可，可以去官網和中文社區看資料
• 幾個用得到的命令：
• conda list ★列出all libs
• conda info -e ★列出當前環境
• conda create --name tf python=3.X ★創建另一個平行環境；只能3.5 for windows
• activate/deactivate tf ★激活和注銷環境
• pip install v.s. conda install ★兩種安裝是不一樣的！？
• 注意問題：
  
  • 這個版本最好選 Anaconda3 不要選 Anaconda2（針對 windows 用戶，原因下邊講）
  • （可略過）conda 安裝會修改 path to Anaconda’s python，pip 不會，可參考
  • 右下角 Interective visualization 選項有很多很好的例子！！

TensorFlow

• 進入上述定義的新環境，命令行安裝，具體按操看官網教程（不要亂找亂七八糟的帖子，很費時間，就去官網找就對了）
• 幾個用得到的命令：
  
  • actiavte tf ★激活新環境
  • python ★檢查 python 版本
  • pip install tensorflow-gpu ★當前環境下安裝 TensorFlow 的 GPU 版本
• 安裝完不能立即驗證，因為 GPU 版本還有 CUDA 依賴
• 注意問題：
  
  • TensorFlow 在 Windows 上只支持 python 3.5 所以在上一步操作中只能安裝 python 3.5

CUDA

• 傻瓜安裝
• 注意選上加入 PATH 選項，忘記就自己手動加吧
• 注意不管在哪個盤裝的，完成后都會偷偷跑到 C 盤，你猜為啥。。

cuDnn

• 找到 CUDA 的安裝目錄分別放進去就好了
• 只要 CUDA PATH配置了，這個復制過去就不用管了

注：安裝完畢后，命令行中執行一句 import tensorflow as tf 即可驗證環境配置正確與否

4.其他問題

• 為何 Anaconda 一定要使用 3 版本的原因，是想 在 spyder 中使用 TensorFlow，避免 python 版本沖突。
• 另外 python 執行器的位置問題，不用修改和挪動，最簡單的方法就是在新環境中重新安裝一下 spyder 包，然后使用的時候 命令行中打開，而想在IDE中直接打開的時候，需要改路徑，特別容易出問題。。。所以，老鐵們就老實點的用簡單方法吧。

5.代碼測試

• 測試集合就是 mnist
• 代碼（執行時要進入自己定義的那個新環境 tf）：
  
  • $ git clone https://github.com/martin-gorner/tensorflow-mnist-tutorial
  • $ python mnist_1.0_softmax.py

• 不一會兒就出結果了，是實時。數據可視化的魅力。有了 GPU 確實會快，不騙你。

  
  后續優化及解析見后續文章。

6.注：和 theano 一同配置在 windows 上

• 由于 theano 需要的是 python 3.4 版本，所以一起弄的話，需要有一些環境改變。采坑無數！
• 參數聯合改變如下：
  
  • 其中tensorflow的環境tf 替換了原先主 anaconda 環境，另外新添加了 PYTHONPATH
• 最后，遇到問題，翻墻搜英文的解決方案，國內的各種博客，說實話，有點坑。包括我這個，我只是單純記錄一下遇到的問題，以便備用。

總結

以上是生活随笔為你收集整理的Win10 配置 TensorFlow-gpu 深度学系框架的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。