WIN10安装TENSORFLOW（GPU版本）详解（超详细，从零开始）
时间：2023-04-21 13:12:01 | 来源：网站运营
时间：2023-04-21 13:12:01 来源：网站运营
WIN10安装TENSORFLOW（GPU版本）详解（超详细，从零开始）：
更新日期 2020年1月2日
更新内容：
添加CUDDN的另一种安装方法。
我安装TENSORFLOW的时候走了很多弯路，入了很多坑，所以特此写下攻略希望能帮助到更多小白。流程如如下。
安装前：请先安装ANACONDA，对于WINDOWS来说还是用ANACONDA来安装比较方便一些。安装好ANACONDA后，要添加环境：
接下来开始安装TENSORFLOW。
第一步，
确定你的安装类型:1)支持GPU类型，还是2）CPU类型
【一般如果做深度学习，最好安装GPU类型，因为运算速度更快】
第二步，
如果是CPU类型，按照官网的说法一步一步来就行了。
如果是GPU类型，首先需要查看自己电脑的GPU型号,步骤如下。
然后用谷歌搜索“你的GPU型号+SPECIFICATION”，在官网查它是否支持CUDA
第三步，
安装CUDA重要的事情说三遍：
请看清楚你需要的TENSORFLOW型号，以及它需要的环境！
请看清楚你需要的TENSORFLOW型号，以及它需要的环境！
请看清楚你需要的TENSORFLOW型号，以及它需要的环境！
有人问在哪里看型号，这个在TENSORFLOW的官网上可以查到的，稍微动动手就能找到了。如下图所示
如果你是需要跑某一个特定程序，那么它可能在特定的TENSORFLOW版本下才运行良好。而每一个版本对应的所需环境都不一样。一定要严格按照规定来安装。
以TENSORFLOW1.0来说，你需要安装CUDA® 工具包 9.0和cuDNN v7.0。
====更新内容（2020年1月2日）=====
我最近一次安装，安装了tensorflow_gpu-1.14.0, 以这个为标准，我搭配了python 3.6, cuDNN7.4, 和CUDA10.0, 注意，在tensorflow官网上都不会写清楚CUDA版本的小数点位。我在网上看了一下别人的答案，说是tensorflow_gpu-1.14.0和CUDA10.0最匹配，安装10.1或者10.2可能有不兼容的风险。
==========================
鉴于有太多伸手党问我版本查询的链接，我就贴在这里吧~
https://www.tensorflow.org/install/source_windows【下面是坑】
以2018年5月20日为基准，此时你登录CUDA官网直接下载的时候，首页默认下载下来的是CUDA 9.2， 这样当你全部安装完的时候会发现TENSORFLOW1.0跟他不兼容。所以一定要下载9.0版本。这个版本需要你自己单独点到
CUDA Toolkit Archive里去找出来。
安装好后，打开anaconda的terminal输入
nvcc -V进行测试，如果显示如下，证明你安装成功了。
第四步，
安装cuDNN去官网下载CUDNN 7.0，同前，
注意型号。下载CUDNN需要去官网注册一个什么东西，总之需要注意版本就好。【我下载的是CUDNN7.0.5, 只要在7.x.x 版本范围内都可以】，下载下来的CUDNN是一个压缩包，解压以后，把以下内容添加到环境里面去。
添加环境
接着是CUDNN的安装：
首先在
命令窗口中
进入你安装CUDNN的那个文件夹，进入之后，开启bash模式（win10自带的bash，直接输入bash就行了，如果bash出问题，那可以再windows store里面下载一个ubuntu for windows,当然这里也有别的cudnn的安装方法，这里我只是写了一个我个人的喜好方式。）
然后输入
cat include/cudnn.h | grep CUDNN_MAJOR -A 2如果显示如下图就说明安装成功
检查完输入exit退出bash模式
====更新内容（2020年1月2日）===
以下是另一种安装方法，适用于无法成功安装ubuntu for windows，或者公司电脑不给windows store开放权限的。
下载CUDNN后,复制粘贴cuDNN里面的下面三个文件到CUDA的相应同名文件
- cudnn/cuda/bin => CUDA/v10.0/bin
- cudnn/cuda/include => CUDA/v10.0/include
- cudnn/lib/x64 => CUDA/v10.0/lib/x64
下图是一个示意图，详情请见CSDN的这篇帖子。
第五步接下来开始用ANACONDA安装TENSORFLOW,
1）在ANACONDA里创建名为TENSORFLOW的环境（你可以叫他任何名字，这里我叫这个环境为TENSORFLOW。
conda create -n tensorflow pip python=3.6这里pip python=3.6的意思是在名为tensorflow的环境里搭建版本是3.6的python。
2）发出以下命令以激活 conda 环境：
activate tensorflow3）发出相关命令以在 conda 环境中安装 TensorFlow。请输入以下命令：
(tensorflow)C:>
pip install --ignore-installed --upgrade tensorflow-gpu假如你想安装某个特定版本的tensorflow,可以输入如下命令，根据自己的喜好，替代那个1.8.0即可：
pip install --ignore-installed --upgrade tensorflow_gpu==1.8.04）测试是否安装成功
在ANACONDA窗口的tensorflow的环境中，跑一个test.py，看是否能运行成功。
如下图，得到了“Hello World”证明一切安装顺利。
test.py的内容如下
import tensorflow as tf# Create TensorFlow object called tensorhello_constant = tf.constant('Hello World!')with tf.Session() as sess: # Run the tf.constant operation in the session output = sess.run(hello_constant) print(output.decode())# bytestring decode to string.以上就是全部安装内容啦！！！撒花。
------2018年5月23日更新------
经知友提示，上述test.py代码只是检测了tensorflow是否安装成功。
如果想要
检测tensorflow的确用gpu来做运算了，请用以下脚本测试
import tensorflow as tf# Creates a graph.a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')c = tf.matmul(a, b)# Creates a session with log_device_placement set to True.sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))# Runs the op.print(sess.run(c))测试结果如下图
图中
device:GPU:0的意思就是说该运算用到了GPU。
如果想手动声明让电脑用CPU运算，请参考官方文档
以下是一些安装过程中常见的导致安装失败的问题：
- 在运行测试脚本的时候显示一下报错：
AttributeError: module 'tensorflow' has no attribute 'constant'有可能是你把测试文件命名为了tenforflow.py，导致import 的时候import成了这个脚本，因此需要把tensorflow.py随便改成别的名字，比如test.py。
2.当你需要删除tensorflow package的时候，如果安装的时候是用pip安装的，那么删除的时候也要用pip。 同理，用conda安装的要用conda指令来删除。如下图，tensorflow-gpu，显示是用pip安装的（请见前面第五步有讲到安装过程，官网推荐是用pip安装。）
3.为啥我全部安装正确也测试TENSORFLOW安装成功（运行上述test.py成功），但是测试GPU的时候失败，显示一直是CPU在运行？
这可能是之前你用CONDA安装过CPU版本的TENSORFLOW，或者ANACONDA自带TENSORFLOW造成冲突。你需要删除原有的TENSORFLOW重新安装即可。用CONDA指令或者PIP指令删除然后重新安装就可以了。
4. 在安装完ANACONDA后，使用jupyter notebook的时候，有可能会出现这样的报错
ImportError: DLL load failed: 找不到指定的模块。这个时候只要把如下的额外两个环境变量添加以后，就可以正常在命令窗口通过输入jupyter notebook来启动了。
在线咨询
