参考文章:
Keras安装和配置指南(Windows)
深度学习环境搭建:win10+GTX1060 + tensorflow1.5+keras+cuda9.0+cudnn7
在win10下安装最新Tensorflow1.6(CUDA9.0+cuDNN7.0)
一、anaconda3安装
使用anaconda进行库的安装。下载地址:https://repo.continuum.io/archive/index.html
我安装的版本是:
二、visual studio2017安装
三、cuda安装
说明:
(1)一开始安装的cuda9.1,后来import tensorflow报错。
(2)发现官方tensorflow最高支持到cuda9.0,要想保持cuda9.1,只能自己编译可用的tensorflow版本,后者使用网上资源-大牛编译的版本。
(3)由于是tensorflow小白,第一次安装tensorflow就使用自己编译版本很不放心。
(4)接下来搜索网上大牛提供的版本,但发现要求是显卡计算能力要在3以上,而我现在的电脑Thinkpad T420显卡时nvdia 4200M,计算能力2.1。所以这条路也走不通。
(5)只能将cuda降级。准备安装组合:cuda9.0+visual studio2017+cudnn7.0+tensorflow
1、下载安装
如果使用gpu加速:则cudn安装;否则跳过步骤2。
https://developer.nvidia.com/cuda-downloads
以下下载安装的是:base installer和patch3。
如果直接运行上述3个.exe,解压报错的话,则将.exe先解压,再运行setup.exe文件。
2、环境变量配置
下面配置cuda的环境变量,安装好cuda后,会自动生成两个系统环境变量
CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1
CUDA_PATH_V6_5 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1
自己再添加如下几个环境变量
CUDA_BIN_PATH %CUDA_PATH%\binCUDA_LIB_PATH %CUDA_PATH%\lib\x64
CUDA_SDK_PATH C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.5
CUDA_SDK_BIN %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB %CUDA_SDK_PATH%\common\lib\x64
配置好环境变量之后重启电脑。
3、查看电脑支持的cuda版本号的方法
控制面板---搜索:nvidia----选择NVIDIA控制面板---帮助---系统信息---组件
4、验证cudn的安装:cmd-->nvcc -V
四、cudnn安装
下载地址:https://developer.nvidia.com/rdp/cudnn-download
cuda9.0配套的cudnn为:
从官网下载需要注册 Nvidia 开发者账号,我的帐号密码为:[email protected],密码Xq881116。 下载解压出来是名为cuda的文件夹,里面有bin、include、lib,将三个文件夹复制到安装CUDA的地方覆盖对应文件夹,默认文件夹在:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\9.0
五、pip切换源地址
切换到国内的镜像,提高安装的速度和成功率。在user目录中创建一个pip目录,如:\Users\administrator\pip,创建pip.ini,写入以下内容:
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
上面是阿里云,其它的国内镜像还有:
清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
六、tensorflow
打开anaconda prompt输入pip install --upgrade tensorflow回车。如果是GPU版本,输入pip install --upgrade tensorflow-gpu即可。装完了测试下(IPython中),能输出结果32就是成功的。
>>>import tensorflow as tf
>>>sess = tf.Session()
>>>a = tf.constant(10)
>>>b = tf.constant(22)
>>>print(sess.run(a + b))
安装测试过程:
import tensorflow as tf一开始有如下报错:
报错原因:h5py和numpy不相容,修改numpy类型。tensorflow需要的numpy至少1.13.3以上,所以:pip install numpy==1.13.3
再进行验证,解决。
七、keras
打开anaconda prompt输入pip install keras --pre即可安装。装完了测试下,能正常运行就是成功,他给的示例数据下载的比较慢,需要开启科学上网才行:
>>> conda install git
>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py
测试安装过程:
没有报错
conda install git
git clone https://github.com/fchollet/keras.git
cd keras/examples/
python mnist_mlp.py
程序无错进行,至此,keras安装完成。