两小时搞定TensorFlow最新版在、离线环境部署

TensorFlow是Google2015年11月9日正式开源的一个深度学习的计算框架。它采用CPU+GPU的并行计算模式，使得神经网络可以有效的并行计算，截至2017年底，其SDK已累计下载超过1000万次，深度学习+TensorFlow已经深入人心。目前TensorFlow最新版本为1.5版，于2018年新年年初发布了,支持CUDA、cuDNN7,全面支持Eagerexecution 动态图机制和 TensorFlow Lite。

由于TensorFlow依赖很多数值计算类库，且各个类库包括TensorFlow本身都在持续跟新，部署TensorFlow的环境并不容易，其类库版本之间的依赖关系错综复杂，任何两个类库之间出现兼容问题都会导致安装失败。如果决定手动安装，那将会是一场填坑之旅；如果还是在离线的环境下安装，那一定会成为你非常难忘的记忆。

我们小分队部分成员包括昌力同学、王强同学和我，希望能基于最新版本，找到一条快捷高效地在离线环境部署TensorFlow平台的方法。通过查阅网上教程、参考以往部署经验、以及进行多台机器实验，找到了该方法，严格按照我们给出的步骤，2小时内就可以完成整个TensorFlow平台部署，调试及MNIST测试。

该方法思路是先在可以上网的机器上部署TensorFlow环境，再将装好的Anaconda的类库拷贝至离线环境的机器中，解决类库冲突问题。下面是详细步骤。

一、在线安装

１、部署Anaconda

https://www.anaconda.com/download/

下载最新版本，Python 3.6 version,windows7 64位

得到安装程序：Anaconda3-5.0.1-Windows-x86_64.exe

安装程序Anaconda

按照提示只勾选第二个选项,几分钟后，安装完毕。

检查Anaconda版本和环境，都正常。

检查Python版本，当前为3.6.3正常

２、安装cuda和cudnn

目前cuda最新版是9.1,但是TensorFlow并不支持该版本，一定得下载9.0版本。下载地址如下：

https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=7&target_type=exelocal

３、安装TensorFlow ：

如果是CPU版，就安装pip install tensorflow

如果是GPU版，就安装pip install tensorflow-gpu

这里需要说明两点，

１)网上很多教程需要指定tensorflow路径如下：pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl

其实在新版本里并不需要，直接pip安装即可；

２)最新的TensorFlow1.5版本，在windows上已经可以支持Python 3.6版本了，而不是像多数教程说的那样不支持3.6版本；

3）由于教程是用家里一台NVS显卡笔记本做的，这里用CPU版。正常情况应该安装GPU版。

安装完毕，调用Python 3.6,进行tensorflow导入测试

导入未报错，说明tensorlfow加载成功！

４、安装PyCharm

PyCharm是目前比较流行的Python集成开发环境，且与IntelliJ IDEA一脉相承，这里使用PyCharm。

官网下载：https://www.jetbrains.com/pycharm/

专业版需要注册码

社区版免费

唯一需要注意的是，第一次打开PyCharm，Updating需要一段时间。之后就可以使用了。

5、完成MNIST测试

二、离线安装

1、安装Anaconda

和在线版安装方法一致

2、拷贝site-packages

Anaconda安装好的类库都位于Anaconda\Lib\site-packages

文件夹下，将在线安装好的机器上的site-packages文件夹直接拷贝至离线环境的对应目录下，注意，两台机器Anaconda的安装目录保持一致。

3、安装cuda

有两点要注意：

1）下载的是离线版，大约1.4G

2）安装路径和在线版安装路径保持一致

4、安装cudnn

将cudnn目录下的bin、include、lib拷贝至cuda相应目录下，

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

5、安装PyCharm

设置Python解析器

File/Setting

Project:TensorFlow->ProjectInterpreter

选择Anaconda下的python.exe

6、完成MNIST测试

和在线版方法一致

三、总结

为了写这篇教程，全部流程又重新走了一遍，且进行计时。扣除操作过程中截图和写攻略的时间，完成在线版、离线版两台机器部署和MINST测试的累积时间为1小时40分钟。因为是第二次装，所以很多安装最新版TensorFlow遇过的坑都注意了，比如cuda版本问题，计算机多个Python版本冲突问题，MNIST调试问题等等。BTW，之前没在笔记本上跑过tensorflow,今天有了对比才发现真心慢，跑一遍 MNIST我的T420需要耗时15分钟,而同样的代码在GTX1080下,1分钟都不用。