windows 10 64bit下安裝Tensorflow+Keras+VS2015+CUDA8.0 GPU加速

原文地址：http://www.jianshu.com/p/c245d46d43f0

寫在前面的話

2016年11月29日，Google Brain 工程師團隊宣佈在 TensorFlow 0.12 中加入初步的 Windows 支持。可是目前只支持64位，並且Python版本爲3.5版本，須要CUDA 8.0 。
以前Tensorflow對windows的支持並很差，致使若是須要使用它，須要轉移到Linux平臺，或者使用Cygwin什麼的，總之挺麻煩，如今好了。麻煩事google幫咱們解決了。感謝google！

Tensorflow和Keras都是支持Python接口的，因此本文中說的都是搭建一個Python的深度學習環境。還有一點，我也是新手，寫得很差請勿噴！忽視本文就好。

若是你不清楚Keras和Tensorflow是什麼關係？請看下圖：

Keras與Tensorflow和theano關係圖.png

Keras是對Tensorflow或者Theano的再次封裝，也就是以Tensorflow或Theano爲後端，默認的後端是tensorflow，若是你想使用theano爲後端，能夠更改成theano。
Keras爲何要對tensorflow和theano進行再次封裝，固然是爲了使用更簡單！爲了讓咱們不用關注那麼多的底層細節，把全部精力都放在實際問題上面。

Tesorflow與theano是可使用Nvidia GPU進行加速的，若是你的GPU不支持CUDA，那麼也不用擔憂，那就使用CPU，只是速度慢點（實際上是慢不少！(^_^)）。若是你的GPU支持CUDA，不用猶豫了，果斷使用CUDA進行加速吧，速度快個10~20倍，那是常事。

好了說了這麼多，下面進入正題。

1、文件準備

• windows 10 64bit旗艦版（版本1607，OS內部版本 14393.576）

• cuda_8.0.44_win10.exe: CUDA安裝文件。去NVIDIA官網下載。

  CUDA是由顯卡廠商NVIDIA推出的通用並行計算架構，該架構使GPU可以解決複雜的計算問題。

• Visual Studio 2015 Community: 請使用Community版本（社區版），由於它是免費的！免費的！固然，你註冊個微軟帳號使用起來就更好了。

• Rapid Environment Editor（環境變量編輯器）

  先把它安裝了吧，編輯環境變量方便點。

• Anaconda3-4.2.0-Windows-x86_64.exe

  Anaconda是一個Python科學計算環境，提供了不少經常使用的Python庫，例如：
  numpy，scipy, matplotlib等等。自帶的包管理器conda也很強大，能夠方便地安裝各類Python庫。
  下載地址：https://www.continuum.io/downloads/

• DXSDK_Jun10.exe

  微軟的DirectX SDK工具包，不安裝它的話，後面編譯CUDA_Samples是無法成功的。下載地址：https://pan.baidu.com/share/link?shareid=197164616&uk=369246564&fid=2918892502

• cudnn-8.0-windows10-x64-v5.1.zip

  CUDA的神經網絡加速庫，能夠在前面GPU加速基礎上大概再提高1.5倍的速度。 下載地址：https://developer.nvidia.com/cudnn

1. 安裝Rapid Environment Editor

這個東西是編輯環境變量的，挺好用的，先把它安裝了吧。後面給本身省事。安裝完成後，默認界面是英文的，到設置裏面改成中文吧。啓動的時候，設置位管理員啓動吧，否則無法更改系統環境變量。

2. 安裝DXSDK_Jun10.exe

直接按照提示下一步就行了。我在windows 10上安裝的時候，最後的時候會報錯，不過沒有關係，關掉那個框。搜索下"d3dx9.h"、"d3dx10.h"、"d3dx11.h"頭文件是否是存在，若是路徑以下這個樣子，就成功了。路徑：C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include\d3dx9.h

DirectX SDK S1023錯誤.png

2、安裝CUDA

深度學習庫若是使用CUDA進行GPU加速，能夠大大縮短計算時間。若是不須要GPU加速，直接跳到第三部分。

2.1 檢查GPU是否支持CUDA

先肯定下本身的顯卡型號（不要告訴我你不知道怎麼查看本身的顯卡型號）。安裝CUDA前先檢查下，本身的顯卡是否支持CUDA，能夠從下面的網址查看本身的顯卡是否在支持之列。若是你的顯卡比較新，到這裏檢查是否支持CUDA：https://developer.nvidia.com/cuda-gpus
若是你的顯卡很老，請到以下連接檢查是否支持CUDA：https://developer.nvidia.com/cuda-legacy-gpus
注意筆記本和desktop的區別。

若是本身電腦顯卡不支持的話就跳過第二部分，直接到第三部分。個人顯卡是GTX650，是支持CUDA的，因此繼續。

2.2 安裝Visual Studio 2015 community

Visual Studio 2015 community的安裝包到哪裏找，我就不說了。安裝VS2015前，請先斷網，否則安裝過程會下載一堆東西，過程極慢。安裝時只選擇Visual C++部分，其餘均可以不裝，這樣安裝起來更快。安裝要一下子，請耐心等待。

2.3 CUDA安裝

1. CUDA 8.0下載

從CUDA的官網下載安裝文件，https://developer.nvidia.com/cuda-downloads，我安裝時最新版本是 CUDA 8.0. 注意選擇系統是windows 10，選擇exe(local)那個Installer Type。以下圖：

CUDA8.0下載.jpg

若是須要下載CUDA的歷史版本，請到這裏：https://developer.nvidia.com/cuda-toolkit-archive

2. 測試CUDA安裝結果

打開命令提示符，輸入：nvcc -V
能夠看到以下信息：

nvcc.jpg

可是，這樣並不表明安裝成功了。等把CUDA_Samples示例編譯經過不報錯了，才能算是成功。

3. 編譯CUDA示例程序

（1）在 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 目錄下，有CUDA的示例程序。因爲我安裝的是VS2015，因此我打開Samples_vs2015.sln那個解決方案文件，將解決方案配置更改成Release和x64.
使用Release模型，因爲全部程序安裝包用的都是64位版本，因此改成x64比較好。

（2）右鍵單擊，編譯整個解決方案。若是不出意外，將會編譯成功。若是提示是缺乏：
"d3dx9.h"、"d3dx10.h"、"d3dx11.h"頭文件 ，說明前面安裝DirectX SDK沒有安裝好，從新安裝下DXSDK_Jun10.exe，再次編譯。

（3）關閉VS2015，在
c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release
目錄下找到deviceQuery.exe這個文件。打開一個cmd窗口，定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目錄，輸入：deviceQuery.exe ，而後回車。會獲得以下結果：

檢查CUDA是否安裝成功.jpg

若是你的結果與上面相似，恭喜你！CUDA 8.0安裝成功了！
若是報錯了，請檢查下前面的步驟是否嚴格執行了。從新再來，直到成功。

3、安裝Tensorflow與Keras

3.1 安裝Anaconda

1. 下載Anaconda

Anaconda包含不少科學計算的包，例如numpy、scipy等等，能夠爲你省去很多麻煩，它的官網在這裏：https://www.continuum.io/downloads ，下載最新的Anaconda 4.2版本，Python版本選擇3.5 64bit的那個版本。

下載Anaconda.jpg

萬一你執意使用Python 2.7，我只能告訴你，最新的tensorflow-0.12在windows平臺可能對python-2.7支持得不夠好，中間會出問題的。

2. 安裝Anaconda

• 若是你以前有安裝Anaconda 2系列的，在環境變量裏面把相關的環境變量給刪除了。

C:\Anaconda2
C:\Anaconda2\Scripts
C:\Anaconda2\Library\bin

• 安裝挺簡單，我通常安裝在C盤根目錄下：c:\Anaconda3
  建議你們也安裝到根目錄下。
  安裝時，在Install for那個界面，建議選擇【All Users(requires admin privileges)】那個選項。

在以下那個界面中，把兩個選項都勾上（默認是勾上的）

安裝Anaconda-2個選項.png

3.2 更改pip的默認源

Python開發安裝包時，使用pip進行包安裝很是方便。但pip默認的源服務器在國外，下載很是慢，並且常常出現下載後安裝出錯問題。所以，有必要更換爲國內的pypi源。

對於windows來講，直接在當前用戶目錄下新建一個pip.ini文件，例如：c:\Users\Luoge\pip.ini
pip.ini的文件內容以下：

[global] index-url = http://mirrors.aliyun.com/pypi/simple/ [install] trusted-host=mirrors.aliyun.com

上面是將源更換爲了阿里雲的源（阿里爸爸牛逼！~），輸入完成後，記得保存。

3.3 安裝Tensorflow

下面兩種安裝方式二選一。

在線網絡安裝方式

保持網絡鏈接，從開始菜單中打開Anaconda Prompt，輸入：pip install tensorflow-gpu
而後就耐心等待吧。若是安裝成功了，跳過離線安裝方式。

在線安裝tensorflow.png

• 若是它提示你更新pip，你就按照提示更新pip好了。
• 若是這種方式安裝失敗了，請看下面的 離線安裝方式

離線安裝方式

若是在線從pip安裝tensorflow老是失敗，那就下載python的whl包，本地安裝的。
下載地址： http://www.lfd.uci.edu/~gohlke/pythonlibs/
Ctrl+F搜索Tensorflow，找到： tensorflow_gpu‑0.12.0rc1‑cp35‑cp35m‑win_amd64.whl
注意下載帶gpu字樣的版本，它才支持GPU加速。下載也不太快，視你的網速而定。
爲了方便你們，我在百度雲上上傳了一份，你們也能夠上百度雲下載：http://pan.baidu.com/s/1o77WBe6
不客氣！

從開始菜單中打開Anaconda Prompt，輸入：pip install c:\Users\Luoge\Downloads\tensorflow_gpu-0.12.0rc1-cp35-cp35m-win_amd64.whl

而後，等待安裝完成就行了。

3.4 安裝Keras

保持網絡鏈接，從開始菜單中打開Anaconda Prompt，輸入：pip install keras

回車，安裝就開始了，它會順帶把Theano也給安裝上，可是這裏安裝的Theano版本比較老，是Theano-0.8.2。咱們使用tensorflow做爲後端，而不是theano，因此不用理會它，讓它裝上就行了。

4、測試Keras是否安裝成功

從開始菜單中打開Anaconda Prompt，在命令行中輸入：python，再輸入：

import tensorflow as tf sess = tf.Session() a = tf.constant(10) b = tf.constant(22) print(sess.run(a + b))

若是正確打印出結果32，不報錯，說明tensorflow安裝成功。

再輸入：

import keras

若不報錯，說明安裝成功。

5、讓速度更快一點

1. cuDNN能夠在前面GPU加速基礎上大概再提高1.5倍的速度，它由nVIDIA開發。能夠到nVIDIA官網上下載。下載以前須要註冊，而後問一系列問題，請耐心弄完。而後就能夠下載了。不要下載錯了，下載windows 10系統下64位的，最新的支持CUDA 8.0的cuDNN-5.1，文件名是：cudnn-8.0-windows10-x64-v5.1.zip

下載cudnn.jpg

2. 下載完成後解壓縮。裏面有bin、include、lib三個目錄，將三個文件夾複製到安裝CUDA的地方覆蓋對應文件夾，默認文件夾在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

3. 如何驗證CuDNN是否配置成功呢？
打開Anaconda Prompt，輸入python，再輸入import tensorflow，顯示的若是是下圖這樣子，不提示沒有安裝cudnn，就成功了。

cudnn安裝成功後.jpg