安装TensorFlow躺坑总结（win + anaconda，附 keras 安装）

我的笔记本之前装过一个，结果环境崩了
抱着试试的心态装一个TensorFlow-gpu，完美地用了一天，结果，
又炸了。。。
心态崩了的我决定写一篇总结来记录这一路上的坑 /笑哭

一、安装CPU版本（这个比较简单）

可以先加一下清华仓库的镜像，这样更新会快一些 (以下均为anaconda prompt操作)

1 2	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes

创建环境，安装Python3.6

1	conda create --name tensorflow python=3.6 //tensorflow是名字

激活环境（很重要）
1
activate tensorflow
安装tensorflow
1
pip install --upgrade --ignore-installed tensorflow![1](C:\Users\asusA\Desktop\1.png)
（图片不是当时的图，仅供参考。。）

一定注意准备安装的时候这个环境有没有选对！！！不然就装错环境了（血泪教训）

验证

//先在环境下输入python，然后依次执行下面的
import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(hello))

结果如下：

tensorflow就安装好啦！

安装Spyder和jupyter的插件

a 打开Anaconda Navigator，选择Not installed，找到 jupyter和Spyder并安装，笔者这里已经安装好，所以在这个页面没有显示。

安装好了之后可以打开Spyder和jupyter运行一下上面的代码

以上参考Win10下用Anaconda安装TensorFlow

以上还比较轻松，在网速可以的情况下没有大问题。

但是。。下面就要开始坑了 / 笑哭

二、安装gpu版本

主要参考tensorflow-gpu1.8.0+win10+vs2017+CUDA9.2 安装——从挖坑到跳坑到出坑

以及Win10下Tensorflow(GPU版)安装趟坑实录

安装tensorflow-gpu之前，还需要安装两个东西 CUDA 和 cudnn

CUDA是9.2版本，对应cudnn的版本是7.1.2

安装CUDA和cudnn

按照 Win10下Tensorflow(GPU版)安装趟坑实录这篇文章来安装，基本没有太多问题

我后来又捣鼓着加了环境变量，有可能有用吧。。。

最上面的四个
安装tensorflow-gpu（划重点！！！）

一开始尝试了pip install --ignore-installed --upgrade tensorflow-gpu

失败。。
参考 Win10系统下Anaconda的tensorflow-gpu安装，继续尝试
1
pip install --ignore-installed --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
还是失败。。

最后，林大神出现了，指明了前进的方向 →_→

以下步入正题：
1. 打开anaconda prompt，输入
  1
  anaconda search -t conda tensorflow-gpu
  会列出可用的安装包，长这个样子：
  
  然后选一个中意的（版本稍微高一点，然后支持win64），我选了anaconda/tensorflow-gpu
  
  接下来输入：
  1
  anaconda show anaconda/tensorflow-gpu // 对应于上面选的包
  会弹出安装方法：
  
  然后进入环境activate tensorflow-gpu (此处默认环境已经新建好了)
  
  输入上面划线的那个代码，然后就可以安装了
  
  （不出意外的话应该半个多小时可以安装好）
  
  PS：如果页面发现不下载了，可能是页面卡住了，黑色界面单击鼠标右键就好
2. 验证是否用CUDA加速
  
  参考 tensorflow-gpu1.8.0+win10+vs2017+CUDA9.2 安装——从挖坑到跳坑到出坑

大功告成的话就可以稍稍庆祝一下啦

附 Keras 安装

进入需要安装的环境，然后安装Keras
1
pip install keras
安装MinGW
1
conda install mingw libpython
验证

输入Python，再输入import keras，显示Using TensorFlow backed，则说明安装成功，如图。

参考Win10系统安装Anaconda+TensorFlow+Keras

后记

　　安装好了的第二天我很高兴地跑吴恩达的代码作业，发现没有pil库，倒腾了半天，装了pillow，还顺便装了opencv，结果吃完饭就发现。。jupyter has died. 然后发现import tensorflow as tf 没有反应。下面开始我的检查之旅：

用如下的代码检查了一下CUDA和GPU发现结果是false，就很僵硬

import tensorflow as tf
a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None)                                  # 判断GPU是否可以用
print(a)
print(b)
tf.__version__

结果正常应该是这样的：

运行cmd检查CUDA安装

通过cd到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite目录下，执行bandwidthTest.exe，deviceQuery.exe，两步都打印出【Result=PASS】，则CUDA安装成功参考 win10下GPU加速的Keras配置（CUDA, cuDNN）

# 在cmd窗口下一次执行下面的语句（cmd窗口可以通过win+R快捷键找到）
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
bandwidthTest.exe
deviceQuery.exe

效果如下图：（有时候开机之后发现没有pass。可能不是CUDA的问题，重启就好了）

bandwidthTest.exe结果

deviceQuery.exe结果

继续输入代码检查nvcc：

nvcc -V

检查nvcc

后来出现了以上两步都没问题，跑小代码也没问题，结果运行模型就开始died。。。试图重装tensorflow，重新配环境，好了一两天，结果装了几个库之后又崩了，于是下定决心找问题

下面开始拯救之旅：

重新安装tensorflow，用原来的包安装，用不同的包安装，配新的环境安装，都没有解决实质问题
周日怀疑是CUDA和cudnn的问题，安装的版本不兼容可能还会有问题。于是重新装了CUDA9.0和cudnn7.3.0。当天晚上依然没有解决，感觉在疯了的边缘挣扎

不过获得了有效信息，关于如何鉴别CUDA和cudnn的版本兼容，参考我的AI之路(5)–如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

这次的安装我配了好多环境变量，参考了win10下GPU加速的Keras配置（CUDA, cuDNN）

注意：环境变量它有两个图，第一幅图里的不要配，会报错。只配第二幅图。不过后来感觉可能和环境也没啥关系
周一上完毛概课，吃完午饭调整好情绪，继续尝试。此时关注到jupyternotebook的后台窗口有显示下面的error

从上图可以看到，刚开始还是在用我的950M的GPU，后来我运行模型的时候就开始崩了，各种error。上网查了资料，给出的解答是由于GPU配置不对造成的。下面给出这个折腾了我多天的问题的解决方案（目前还比较有效）

运行Python模型之前运行这段代码：

import tensorflow as tf
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

看一下jupyternotebook后台的变化：

jupyternotebook后台

好像没问题了。。然后就很神奇地发现，模型可以跑了！

附上一张训练的图：

mnist数据库训练

吴恩达的作业里写：16 seconds per epoch on a GRID K520 GPU，我的950M平均23s，感觉也还蛮快/笑哭

希望可以正式结篇了。。。

注：那个代码好像得每一次开一个新的文件就要运行一遍。有时候还会出现resource exhausted的提示。个人理解是内存不够了。推荐关掉程序重开