【TensorFlow】Windows环境下PyCharm运行TensorFlow GPU版(附TensorFlow更新方法)

作为一名谷粉再加上最近研究深度学习，不得不说TensorFlow是一个很好的切入点，今天看了下官方教程踩了几个坑后，终于在PyCharm上起飞了，废话不多说下面开始搭建环境吧。(此教程Win10，8.1和7都适用，只需下载不同的安装文件即可)

1. 确定安装版本

CPU版：如果你的电脑没有NVIDIA的显卡的话，你就必须选择安装这个版本，不过这个版本的安装要比GPU版的简单，官方也推荐先用CPU版的来体验。

GPU版：TensorFlow在GPU上运行要比CPU上快很多，如果你的GPU能够达到要求就可以选择安装GPU版。

GPU版的安装要求

CUDA® Toolkit 8.0CUDA® Toolkit 8.0的相关驱动(这个在安装程序里会带)cuDNN v5.1确认你GPU的CUDA的计算能力高于3.0(NVIDIA官方支持的对照表这里)

2.安装准备

CUDA® Toolkit 8.0 cuDNN v5.1Anaconda 或者原生的pip

PyCharm(可选)

P.S:这里的Python版本一定要选3.5.X，写这篇博客的时候官方在Windows平台上只支持3.5.X。若选择了其他版本有可能会报* Could not find a version that satisfies the requirement tensorflow-gpu (from versions: ) No matching distribution found for tensorflow-gpu*之类的错误！ 若已经选了Python的其他版本，现有的解决方案如下(Anaconda办法)： P.S：一行一行的运行 实际上这里是Anaconda多版本Python管理工具，详细见这里

conda create --name tensorflow python=3.5 activate tensorflow conda install jupyter conda install scipy pip install tensorflow # or # pip install tensorflow-gpu

这样就会把你的机器上Python的版本改成3.5了

3.安装过程

下载安装Anaconda，添加环境变量 在Path下添加Anaconda3的路径。例如F:\Anaconda3

安装CUDA® Toolkit 8.0 安装完成后检查是否安装成功：

cuDNN v5.1解压后将其路径添加进环境变量Path中

本地pip方法 安装CPU版本：

C:\> pip3 install --upgrade tensorflow

安装GPU版本：

C:\> pip3 install --upgrade tensorflow-gpu Anaconda 打开Anaconda自带命令行工具Anaconda Prompt输入以下命令： 1.创建一个Conda环境 C:> conda create -n tensorflow 2.启用Conda环境 C:> activate tensorflow

装CPU版本：

pip install --upgrade tensorflow

安装GPU版本：

pip install --upgrade tensorflow-gpu

安装好后如下图：

4.配置PyCharm

习惯了使用JetBrain系列开发工具，于是选用PyCharm来开发，配置如下： 新建工程后在Setting–Project Interpreter选择tensorflow下的Python解释器，例如我的解释器位置： 等部署完后便可跑个HelloWorld了

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

运行一下

起飞！

P.S:这里有可能会出现找不到cudnn64_5.dll的现象，解决方法如下：

X:\cuda\bin\cudnn64_5.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin X:\cuda\include\cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include X:\cuda\lib\x64\cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

补充几个遇到的错误： - Unable to load cuDNN DSO. 这个是因为装了高版本的cuDNN，而TensorFlow暂时不支持 解决方案：去NVIDIA cuDNN下载低版本的cuDNN。解压配置好后再重复上面的复制文件即可。

5.更新TensorFlow

直接在Conda环境下再次运行

pip install --upgrade tensorflow-gpu

运行成功后会自动卸载前一个版本然后安装新版本