Windows系统配置TensorFlow教程

我为什么选择Windows系统： 其实我们没有必要过多纠结与到底使用Linux系统还是Windows系统来学习TensorFlow，因为不管是那个系统我们关注更多的还是框架本身的学习而已。Linux对于TensorFlow的支持一定是好过Windows的，但是作为一个初学者而言，它具体好在哪里在初期的学习阶段可能也不大能体现出来，再加上我对Linux系统并不熟悉，所以选择了更小的学习成本开始TensorFlow的学习。

配置所需要的环境和软件版本： 系统环境：Windows10 TensorFlow版本：1.1 Python版本：3.5 CUDA版本：8.0.61 cuDNN版本：v5.1 Anaconda版本：3-4.2.0

CUDA环境搭建

1.确定显卡是否支持CUDA

CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。CUDA环境搭建需要依赖电脑的GPU，我们需要先查看GPU版本：

我电脑的GPU型号为GTX 960M，其计算能力为5.2，GPU的计算能力可以在NVIDIA官网查看。

2.安装CUDA8.0 在NVIDIA官网下载与系统对应的CUDA8.0安装包并安装：

安装完成后：

3.配置cuDNN v5.1 cuDNN是用于深层神经网络的GPU加速的原始库。 在官网下载与CUDA版本和操作系统对应的cuDNN，将其解压后放在CUDA8.0的安装路径下。

解压之后：

可以看到，其实解压出来的三个文件夹在CUDA的安装路径中是存在的，这三个文件夹里放的其实是使用cuDNN所需呀的文件。 需要注意的时，整个过程是不需要配置环境变量的，因为在安装CUDA的时候环境变量已经配置好了，配置cuDNN也只是把cuDNN需要的文件放到自动定义好的路径里面，这点还是很方便的。

使用 Anaconda搭建Python环境

Anaconda是一个集成了Python的工具包，还包含了Python的一些常用库，如numpy等，所有版本下载地址，需要注意的是，配置TensorFlow需要Anaconda3-4.2.0，该版本的Anaconda安装的才是Python3.5，而到目前为止TensorFlow在Windows下只能用Python3.5版本。安装完成后在开始菜单会出现一个Anaconda3的文件夹：

安装CPU版TensorFlow

TensorFlow有两个版本大家肯定都知道，但是按照官网的建议，安装GPU版之前最好装一遍CPU版的，在这里直接在cmd中利用Anaconda来安装，注意cmd一定要用管理员权限打开。 在cmd中键入：conda create -n tensorflow，用来新建一个conda环境

在cmd中键入： activate tensorflow，以激活conda环境： 激活之后，cmd命令行的前面会有一个写着tensorflow的括号。

在刚刚激活的环境下，使用pip安装CPU版TensorFlow，在cmd中键入：

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

然后等待安装完成就好了。

安装GPU版TensorFlow

在上一步安装完成之后，继续键入：

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl

以安装GPU版TensorFlow 。

最后安装完成：

友情提示：在cmd中用单击右键复制粘贴哦！

测试TensorFlow

下面测试安装是否正确，在cmd中打开Python，然后引入TensorFlow打印一个Hello, TensorFlow!

使用管理员权限打开cmd，键入activate tensorflow，继续键入python，以执行python语句：

然后依次键入下列代码：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

其实如果可以import tensorflow的话，就差不多可以说明配置成功了。