（通用）深度學習環境搭建：tensorflow安裝教程及常見錯誤解決

區別於其餘入門教程的「手把手式」，本文更強調「因」而非「果」。我之因此加上「通用」字樣，是由於在你瞭解了這個開發環境以後，那些很low的錯誤你就不會犯了。
你們都知道深度學習涉及到大量的模型、算法，看着那些亂糟糟的公式符號，心中必定是「WTF」。我想說的是，這些你都不要管，所謂車到山前必有路。

所需安裝包

一般以個人習慣是以最簡單的方式來接觸一門新的技術，而且儘可能拋棄新的（邊緣）技術的介入，若是由於一些其餘因素來致使學習樹的不斷擴大，會變得很低效，因此咱們直擊核心。以最經常使用的windows環境爲例。
這裏以windows7+TensorFlow-gpu1.5+cuda8+cudnn6+anaconda5+python3.6爲例。這裏強烈推薦GPU版本，由於深度學習動輒幾小時、幾天、幾周的運行市場，GPU加速會節省你不少時間（甚至電費）。

1. cuda_8.0.61_windows.exe http://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/local_installers/cuda_8.0.61_windows.exe： 從NIVDIA官網下載須要找到歷史版本Legacy Releases。 tensorflow代碼引用的cuda庫必須絕對匹配，好比tensorflow1.3-1.5都使用cuda8的庫，目前（2017-10-24 20:40:53）不支持cuda9庫。
   這裏有一個關於cuda8的補丁，修復了8.0的一些bughttp://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/patches/2/cuda_8.0.61.2_windows.exe
2. cudnn-8.0-windows7-x64-v6.0.zip http://developer2.download.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-windows7-x64-v6.0.zip：
   和上面的緣由同樣，請匹配6.0版本。
3. tensorflow https://github.com/tensorflow/tensorflow：
   我之因此給出github的地址是由於tensorflow團隊在github上天天12：34都有一次build，而且github不受「種種」網絡因素的影響。在tensorflow找到python3.6對應gpu版本build history，找到whl文件地址。
4. Anaconda3-5.0.0-Windows-x86_64.exe https://www.anaconda.com/download/：
   anaconda有一個最大的好處就是安裝各類python庫比較方便。

安裝包關係

anaconda至關於tensorflow運行的容器。anaconda能夠建立多個「盒子」（environment），每一個盒子中的環境互不干擾，因此使用anaconda能夠同時安裝python3.5/3.6，tensorflow1.3/1.5。
cuda和cudnn是tensorflow調用gpu所須要的庫。也就是說tensorflow必須經過cuda和cudnn來調用電腦的gpu。

安裝

安裝anaconda、anaconda、cuda、cudnn

1. anaconda、cuda、cudnn安裝便可。在安裝過程當中會自動配置環境變量。
2. 不過須要手動將cuda的development目錄配置到CUDA_HOME中。
3. 將cudnn解壓後，把文件複製到cuda對應目錄。

安裝tensorflow

1. 啓動anaconda,點擊environments（環境），點擊create（新建），命名tensorflow-gpu，選取3.6版本。
2. 點擊tensorflow-gpu啓動Open Terminal，輸入activate tensorflow-gpu。這時，anaconda下名字叫作tensorflow-gpu的環境已經啓動了。下面咱們才真正開始安裝tensorflow。
3. 輸入
   pip install --ignore-installed --upgrade http://ci.tensorflow.org/view/tf-nightly/job/tf-nightly-windows/M=windows-gpu,PY=36/lastSuccessfulBuild/artifact/cmake_build/tf_python/dist/tf_nightly_gpu-1.5.0.dev20171024-cp36-cp36m-win_amd64.whl

稍等片刻tensorflow就安裝成功了。

測試tensorflow環境

1. 點擊anaconda下咱們建立的環境tensorflow-gpu啓動Open With Python
2. 輸入import tensorflow若是不報錯就說明安裝成功了。

常見錯誤

1. ImportError: DLL load failed: 找不到指定的模塊。 這個錯誤一般是cuda或者cudnn與tensorflow的版本對應錯誤。推薦下載cuda8+cudnn6。
   固然，隨着時間推移這些版本會被淘汰，但本教程依然適用。在github上找到tensorflow項目，在項目內搜索TF_CUDA_VERSION和TF_CUDNN_VERSION會看到當前tensorflow對應的是哪一個cuda和cudnn版本。
2. 其餘錯誤。
   除1的錯誤外我暫時沒碰到其餘錯誤，若是出現排錯的思路是，確認版本-->確認庫是否包含在path中。若是依然沒法解決，能夠加我微信takeurhand討論。

運行mnist例子

1. mnist例子運行須要安裝matplotlib庫，這時候anaconda的方便之處就得以體現了。點擊anaconda下tensorflow-gpu環境，再右側搜索matplotlib，勾選並點擊apply便可。
2. 下載github上mnist教程例子https://github.com/martin-gorner/tensorflow-mnist-tutorial，並解壓。
3. 啓動anaconda下tensorflow-gpu環境Open Terminal，輸入activate tensorflow-gpu，cd到步驟2解壓目錄。
4. 執行python mnist_xx.py