在Windows 10上搭建TensorFlow環境
- 版權聲明：本文爲博主chszs的原創文章，未經博主允許不得轉載。
瞭解如何爲受支持的GPU測試Windows系統，安裝和配置所需的驅動程序，獲取最新的TensorFlow每日構建版並確保其正常工作。
在前面的文章中，我展示瞭如何測試你的Linux系統，看看你是否能夠按照帶GPU支持的TensorFlow。在本文中，我將介紹如何在Windows 10上搭建TensorFlow環境。
同樣，仍然需要Python環境和pip工具。
1、獲取Python和pip
在Windows環境安裝Python 3.x版本，通常安裝包中集成了pip工具，安裝會非常簡單方便。具體見：https://www.python.org/downloads/windows/
一旦下載並執行，需要確保選擇安裝的自定義選項。可以看到如下界面：
完成安裝後，可以打開命令提示符並鍵入python，以查看您正在使用的版本。這裏可以看到，我下載了3.6.4版：
然後可以退出Python解釋器環境：
exit()
然後測試pip工具安裝的情況：
pip -V
可以看到這樣：
接下來，在安裝TensorFlow之前，需要先檢查主機的GPU是否支持，在命令提示符下，執行命令：
control /name Microsoft.DeviceManager
然後查看“顯示適配器”設置，將其打開，然後閱讀顯示適配器的名稱，如下：
正如你所看到的，主機系統有一個GTX 980 Ti。然後去NVIDIA官網查看信息，具體見：https://developer.nvidia.com/cuda-gpus，就可以知道是否可以使用帶GPU支持的TensorFlow。這裏已經確定是支持的。但是在安裝和運行TensorFlow之前，需要爲你的機器安裝CUDA驅動。
2、安裝CUDA驅動程序
要說明一點，目前TensorFlow的每日構建版提供了對CUDA 9.0的支持，而Release版則只能支持CUDA 8.0版。如果訪問CUDA的下載網站，見：https://developer.nvidia.com/cuda-toolkit，可以看到CUDA目前的最新版本是9.1版，因此請確保通過選擇下面的“Legacy Releases”鏈接來下載正確版本的驅動程序。
在運行TensorFlow之前，還需要一個與主機的CUDA版本相匹配的CuDNN版本。
3、安裝TensorFlow
安裝TensorFlow的Nightly Build版。從命令提示符下安裝它，只需輸入：
pip install tf-nightly-gpu
一旦安裝完成，在命令提示符窗口中輸入：
python
打開Python編輯器，在其中輸入：
import tensorflow as tf
如果CUDA驅動程序有錯誤，就可能會顯示 cudart64_XX.dll 失敗，其中XX是版本號。
如果CUDA驅動程序正確，但CuDNN驅動程序有錯誤，就可能會顯示說 cudnn64_X.dll 缺少什麼東西，其中X是一個版本號。
4、安裝CuDNN庫
CuDNN庫是CUDA針對深度神經網絡的更新包，TensorFlow會使用它用於加速NVidia GPU上的深度學習。可以從這裏下載，見：https://developer.nvidia.com/cudnn。
但必須首先要註冊一個NVidia開發者帳號，它是免費的。登錄後，您會看到各種CuDNN下載。然後選擇匹配的版本。由於之前使用了CUDA 9.0，所以確定爲CUDA 9.0選擇了cuDNN v7.0.5。
下載下來的是一個包含了幾個文件夾的ZIP文件，每個文件夾包含CuDNN文件（一個DLL，一個頭文件和一個庫文件）。找到你的CUDA安裝目錄，這裏應該是這樣的：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
可以看到從ZIP文件的目錄也在這個目錄，即有一個bin、一個include，一個lib等。將文件從ZIP複製到相關的目錄。
比如把cudnn64_7.dll文件拖拽到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin目錄，其它相似。
完成後，重新打開命令提示符窗口並再次測試TensorFlow！
import tensorflow as tf
然後，可以輸入以下內容來檢查TensorFlow版本：
print(tf.__version__)
可以看到TensorFlow的版本得以正確顯示：
