版權聲明：本文為部落客chszs的原創文章，未經部落客允許不得轉載。 https://blog.csdn.net/chszs/article/details/78987753

在Windows 10上搭建TensorFlow環境

• 版權聲明：本文為部落客chszs的原創文章，未經部落客允許不得轉載。

了解如何為受支援的GPU測試Windows系統，安裝和配置所需的驅動程式，擷取最新的TensorFlow每日建構版并確定其正常工作。

在前面的文章中，我展示了如何測試你的Linux系統，看看你是否能夠按照帶GPU支援的TensorFlow。在本文中，我将介紹如何在Windows 10上搭建TensorFlow環境。

同樣，仍然需要Python環境和pip工具。

1、擷取Python和pip

在Windows環境安裝Python 3.x版本，通常安裝包中內建了pip工具，安裝會非常簡單友善。具體見：

https://www.python.org/downloads/windows/

一旦下載下傳并執行，需要確定選擇安裝的自定義選項。可以看到如下界面：

完成安裝後，可以打開指令提示符并鍵入python，以檢視您正在使用的版本。這裡可以看到，我下載下傳了3.6.4版：

然後可以退出Python解釋器環境：

exit()
           

然後測試pip工具安裝的情況：

pip -V
           

可以看到這樣：

接下來，在安裝TensorFlow之前，需要先檢查主機的GPU是否支援，在指令提示符下，執行指令：

control /name Microsoft.DeviceManager
           

然後檢視“顯示擴充卡”設定，将其打開，然後閱讀顯示擴充卡的名稱，如下：

正如你所看到的，主機系統有一個GTX 980 Ti。然後去NVIDIA官網檢視資訊，具體見：

https://developer.nvidia.com/cuda-gpus

，就可以知道是否可以使用帶GPU支援的TensorFlow。這裡已經确定是支援的。但是在安裝和運作TensorFlow之前，需要為你的機器安裝CUDA驅動。

2、安裝CUDA驅動程式

要說明一點，目前TensorFlow的每日建構版提供了對CUDA 9.0的支援，而Release版則隻能支援CUDA 8.0版。如果通路CUDA的下載下傳網站，見：

https://developer.nvidia.com/cuda-toolkit

，可以看到CUDA目前的最新版本是9.1版，是以請確定通過選擇下面的“Legacy Releases”連結來下載下傳正确版本的驅動程式。

在運作TensorFlow之前，還需要一個與主機的CUDA版本相比對的CuDNN版本。

3、安裝TensorFlow

安裝TensorFlow的Nightly Build版。從指令提示符下安裝它，隻需輸入：

pip install tf-nightly-gpu
           

一旦安裝完成，在指令提示符視窗中輸入：

python
           

打開Python編輯器，在其中輸入：

import tensorflow as tf
           

如果CUDA驅動程式有錯誤，就可能會顯示 cudart64_XX.dll 失敗，其中XX是版本号。

如果CUDA驅動程式正确，但CuDNN驅動程式有錯誤，就可能會顯示說 cudnn64_X.dll 缺少什麼東西，其中X是一個版本号。

4、安裝CuDNN庫

CuDNN庫是CUDA針對深度神經網絡的更新包，TensorFlow會使用它用于加速NVidia GPU上的深度學習。可以從這裡下載下傳，見：

https://developer.nvidia.com/cudnn

。

但必須首先要注冊一個NVidia開發者帳号，它是免費的。登入後，您會看到各種CuDNN下載下傳。然後選擇比對的版本。由于之前使用了CUDA 9.0，是以确定為CUDA 9.0選擇了cuDNN v7.0.5。

下載下傳下來的是一個包含了幾個檔案夾的ZIP檔案，每個檔案夾包含CuDNN檔案（一個DLL，一個頭檔案和一個庫檔案）。找到你的CUDA安裝目錄，這裡應該是這樣的：

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

可以看到從ZIP檔案的目錄也在這個目錄，即有一個bin、一個include，一個lib等。将檔案從ZIP複制到相關的目錄。

比如把cudnn64_7.dll檔案拖拽到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin目錄，其它相似。

完成後，重新打開指令提示符視窗并再次測試TensorFlow！

import tensorflow as tf
           

然後，可以輸入以下内容來檢查TensorFlow版本：

print(tf.__version__)
           

可以看到TensorFlow的版本得以正确顯示：