TensorFlow在windows10上的安裝與使用（一）

隨着近兩年tensorflow越來越火，在一台新win10系統上裝tensorflow並記錄安裝過程。華碩最近的 Geforce 940mx的機子。

TensorFlow是一個采用數據流圖（data flow graphs），用於數值計算的開源軟件庫。節點（Nodes）在圖中表示數學操作，圖中的線（edges）則表示在節點間相互聯系的多維數據數組，即張量（tensor）。它靈活的架構讓你可以在多種平台上展開計算，例如台式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。TensorFlow 最初由Google大腦小組（隸屬於Google機器智能研究機構）的研究員和工程師們開發出來，用於機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可廣泛用於其他計算領域。

tensorflow用起來就是更加方便，高效；一般情況是這樣的，如果你用過其它的框架，比如caffe，那tf的感覺就如同fly一般，上手飛快。

tf有CPU和GPU兩個版本，GPU的安裝需要cuda和cudnn，安裝過程十分簡潔。

因為都要安裝python，pip等包，所以直接安裝Anaconda，但是一定要安裝3.0版本的，地址如下：https://www.anaconda.com/download/#windows

本人安裝的是python3.6版本Anaconda，直接下載根據提示安裝。

• 安裝CPU版本。

CPU版本安裝非常簡潔，只需要在cmd輸入如下指令即可：

pip install --upgrade --ignore-installed tensorflow

• 安裝GPU版本。

同樣，在cmd輸入如下指令：

pip install --upgrade --ignore-installed tensorflow-gpu

GPU版本就安裝好了，但是如果你import tensorflow的話，提示錯誤如下：

ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Download and install CUDA 9.0 from this URL: https://developer.nvidia.com/cuda-toolkit

顯然，這個時候第二步需要安裝cuda9.0，cuda的安裝也是十分方便，下載地址：https://developer.nvidia.com/cuda-90-download-archive

下載的本地安裝的exe文件即可。百度雲鏈接: https://pan.baidu.com/s/1vbfYVMHLreMlk4yrJqp11A 密碼: ddha

安裝的過程中，cuda需要VS，所以請先安裝VS2015或2013等VS之后，再安裝Cuda，否則，以后你用VS開發項目的話會找不到cuda，也沒有cuda的開發環境，意味着你成功把這兩個給隔離了。

******插入廣告中******

很無奈，雖然大多數安裝tensorflow的同學，都已經安裝了VS和cuda，但是為了追求完美，我還是成功演示一遍。

登陸VS官網，記得要登陸微軟賬戶訂閱上，才能下載，本人下載的是免費的2015社區版。有需要的同學，可看百度雲鏈接：鏈接: https://pan.baidu.com/s/1jJoP6JhdwgXigfKa5FTylw 密碼: nse8

接下來安裝就好啦。

******廣告已結束******

 第三步是安裝cudnn，同理登陸英偉達的官網下載cudnn7.0 for cuda9.0。百度雲鏈接如下：

鏈接: https://pan.baidu.com/s/1wP5wix8GLKSi2TrCUJzQmQ 密碼: gq2f

接下來就是將下載的cudnn文件夾的bin、include、lib文件夾下的文件copy到cuda9.0對應的文件夾里即可。

最終，完成了整個tensorflow GPU版本的安裝。

下面就是驗證tensorflow安裝是否真正好了。以下面的代碼為例：

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假數據(phony data), 總共 100 個點.
x_data = np.float32(np.random.rand(2, 100)) # 隨機輸入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 構造一個線性模型
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化變量
init = tf.initialize_all_variables()

# 啟動圖 (graph)
sess = tf.Session()
sess.run(init)

# 擬合平面
for step in xrange(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print step, sess.run(W), sess.run(b)

運行后報錯：

SyntaxError: invalid syntax

這是因為python3.0版本對print進行了改進，print變成了函數，因此最后一句應該修改為：

print (step, sess.run(W), sess.run(b))

繼續運行，又報錯：

C:\Users\91612\Anaconda3\lib\site-packages\h5py\__init__.py:36: FutureWarning: Conversion of the second argument of issubdtype from `float` to `np.floating` is deprecated. In future, it will be treated as `np.float64 == np.dtype(float).type`.
  from ._conv import register_converters as _register_converters
WARNING:tensorflow:From C:\Users\91612\Anaconda3\lib\site-packages\tensorflow\python\util\tf_should_use.py:118: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
Instructions for updating:
Use `tf.global_variables_initializer` instead.
2018-04-12 10:34:11.748103: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
2018-04-12 10:34:12.473410: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1344] Found device 0 with properties:
name: GeForce 940MX major: 5 minor: 0 memoryClockRate(GHz): 1.2415
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.66GiB
2018-04-12 10:34:12.473725: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1423] Adding visible gpu devices: 0
2018-04-12 10:36:24.849943: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:911] Device interconnect StreamExecutor with strength 1 edge matrix:
2018-04-12 10:36:24.850068: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:917]      0
2018-04-12 10:36:24.850685: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:930] 0:   N
2018-04-12 10:36:24.852802: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu_device.cc:1041] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1429 MB memory) -> physical GPU (device: 0, name: GeForce 940MX, pci bus id: 0000:01:00.0, compute capability: 5.0)
Traceback (most recent call last):
  File "example.py", line 27, in <module>
    for step in xrange(0, 201):
NameError: name 'xrange' is not defined

主要是兩個錯誤，initialize_all_variables應該修改為最新的global_variables_initializer；然后python3.0將xrange取消了，只有range函數，因此需要把xrange改為range。

另外，我們還看到一個warning，這主要是因為numpy和h5py之間的版本沖突，主要的解決方法有三個：

• 對numpy版本進行降級，查看本機安裝的numpy版本直接import numpy之后 print (numpy.version.version)，本機是1.14.2，降級到穩定的1.13版本；

#自動安裝1.13.0,卸載已安裝的1.14.2
pip install numpy==1.13.0

• 將tensorflow版本降低到1.5.0以下，直接tf.__version__查看本機安裝的是1.7.0，因為1.5.0以下是不存在這個沖突的，這個可在安裝的時候指定版本；
• 不用管這個warning，事實上這個警告沒啥影響，可以眼不見心不煩。例如：

import warnings
with warnings.catch_warnings():
    warnings.filterwarnings("ignore",category=FutureWarning)

就這樣，完成了tensorflow的完整安裝，事實上這很快就可以完成了，於是乎，我們運行上面的栗子，可以看到：

0 [[-0.11355552  0.47500253]] [ 0.4552581]
20 [[ 0.03362741  0.25130805]] [ 0.30422428]
40 [[ 0.08393362  0.21267535]] [ 0.30089444]
60 [[ 0.09610623  0.20312524]] [ 0.30019006]
80 [[ 0.09905535  0.20076929]] [ 0.30004054]
100 [[ 0.09977061  0.2001891 ]] [ 0.30000868]
120 [[ 0.09994424  0.20004643]] [ 0.30000189]
140 [[ 0.09998644  0.2000114 ]] [ 0.3000004]
160 [[ 0.09999672  0.2000028 ]] [ 0.30000007]
180 [[ 0.09999919  0.20000066]] [ 0.30000004]
200 [[ 0.09999977  0.20000014]] [ 0.30000004]

很完美的呈現出了答案。