Win10上安装TensorFlow(官方文档翻译)

一.推荐两个网站

  • TensorFlow官方文档:https://www.tensorflow.org/install/install_windows
  • TensorFlow中文社区:http://www.tensorfly.cn/tfdoc/get_started/os_setup.html

二.在 Windows 上安装 TensorFlow

目录:

  1. 确定要安装的 TensorFlow
  2. 使用 GPU 支持的TensorFlow 的要求
  3. 确定如何安装 TensorFlow
  4. 使用本机 pip 安装
  5. 使用Anaconda安装
  6. 验证您的安装
  7. 常见安装问题

本指南说明如何在 Windows 上安装 TensorFlow  
1.确定要安装的 TensorFlow
要安装以下类型的 TensorFlow, 必须选择其中一种:

  • 仅使用 CPU 支持的 TensorFlow。如果您的系统没有 NVIDIA® GPU, 则必须安装此版本。请注意, 此版本的 TensorFlow 通常更容易安装 (通常在5或10分钟), 因此, 即使您有 NVIDIA® GPU, 我们建议先安装此版本。
  • GPU 支持的TensorFlow。TensorFlow 程序在 GPU 上运行的速度通常比在 CPU 上快得多。因此, 如果您的系统有一个 NVIDIA® GPU 满足下面所示的先决条件, 并且您需要高效运行应用程序, 则应最终安装此版本。

2.使用 GPU 支持的TensorFlow 的要求

如果您使用本指南中介绍的一种机制来安装 GPU 支持的TensorFlow  , 则必须在您的系统上安装以下 NVIDIA 软件:

  • CUDA®Toolkit8.0。有关详细信息, 请参阅 nvidia 文档, 确保您将相关的 Cuda 路径名追加到%PATH% 环境变量中, 如 nvidia 文档中所述。
  • 与 CUDA 工具包8.0 关联的 NVIDIA 驱动程序。
  • cuDNN v6.0。有关详细信息, 请参阅 NVIDIA 的文档。请注意, cuDNN 通常安装在与其他 CUDA dll 不同的位置. 确保将安装 cuDNN dll 的目录添加到%PATH% 环境变量中。
  • 具有 CUDA 计算能力3.0 或更高的 GPU 卡。有关支持的 GPU 卡的列表, 请参见 NVIDIA 文档。

如果您有一个前一个软件包的不同版本, 请更改为指定的版本。特别是, cuDNN 版本必须完全匹配: 如果找不到 cuDNN64_6 .dll, TensorFlow 将不会加载。要使用不同版本的 cuDNN, 必须从源代码生成。  
3.
确定如何安装 TensorFlow
您必须选择安装 TensorFlow 的机制。支持的选项如下所示:

  • 使用pip
  • Anaconda

本地 pip 在您的系统上直接安装 TensorFlow, 而不需要经过虚拟环境。由于 pip 安装不是在单独的容器中与世隔绝的, 因此 pip 安装可能会干扰系统上的其他 Python-based 的安装。但是, 如果您了解 pip 和您的 Python 环境, 则 pip 安装通常只需要一个命令!此外, 如果使用 pip 进行安装, 用户可以从系统上的任何目录运行 TensorFlow 程序。  
在Anaconda 中, 您可以使用conda创建虚拟环境。然而, 在Anaconda, 我们建议用pip install命令安装 TensorFlow , 而不是conda install命令。
注意: conda包是社区支持的, 不受官方支持。即, TensorFlow 团队既不测试也不维护这个conda包。用conda装有一定风险。  
4.使用本pip 安装
如果您的计算机上没有安装以下版本的 Python 之一, 请立即安装它:

-TensorFlow 在 Windows 上支持 Python 3.5.x 和3.6.x。请注意, Python 3 附带了 pip3 包管理器, 它是您用来安装 TensorFlow 的程序。
要安装 TensorFlow, 请启动终端。然后在该终端中发出适当的 pip3 安装命令。要安装 TensorFlow 的仅 CPU 版本, 请输入以下命令:  

C:\> pip3 install --upgrade tensorflow

 
要安装 GPU 版本的 TensorFlow, 请输入以下命令:

C:\> pip3 install --upgrade tensorflow-gpu

  

5.使用Anaconda安装 Anaconda
的安装是社区支持的, 没有得到官方的支持。
采取以下步骤在Anaconda环境中安装 TensorFlow:

        1).  按照Anaconda下载网站上的说明下载并安装蟒蛇

        2).  通过调用以下命令创建名为 tensorflow 的conda环境:

C:> conda create -n tensorflow python=3.5 

       
3).  通过发出以下命令来激活conda环境:

C:> activate tensorflow
 (tensorflow)C:>  # Your prompt should change 

  4).  发出适当的命令, 在您的conda环境中安装 TensorFlow。要安装 TensorFlow 的仅 CPU 版本, 请输入以下命令:

(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow 

  5).  要安装 GPU 版本的 TensorFlow, 请输入以下命令 (在一行中):

(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu 

 

6.   验证您的安装

启动终端。
如果你通过Anaconda安装, 激活你的Anaconda环境。
从 shell 中调用 python, 如下所示:  

$ python

在 python 交互 的shell 中输入以下短程序:

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

 

如果系统输出以下内容, 则您准备开始编写 TensorFlow 程序:  

Hello, TensorFlow!

  

如果您是新的 TensorFlow初学者, 请参阅 TensorFlow 入门(https://www.tensorflow.org/get_started/get_started)。
如果系统输出的是错误消息而不是问候语, 请参阅常见的安装问题(https://www.tensorflow.org/install/install_windows#common_installation_problems)。
对于 Windows TensorFlow 安装问题, 也有一个有用的脚本(https://gist.github.com/mrry/ee5dbcfdd045fa48a27d56664411d41c)。  
7.
常见安装问题
我们依靠堆栈溢出来记录 TensorFlow 安装问题及其补救方法。下表包含指向一些常见安装问题的堆栈溢出答案的链接。如果遇到下表中未列出的错误消息或其他安装问题, 请在堆栈溢出时搜索它。如果堆栈溢出不显示错误消息, 请在堆栈溢出询问有关它的新问题, 并指定 tensorflow 标记。

Stack Overflow LinkError Message
41007279  

[...\stream_executor\dso_loader.cc] Couldn't open CUDA library nvcuda.dll
41007279  

[...\stream_executor\cuda\cuda_dnn.cc] Unable to load cuDNN DSO
42006320  

ImportError: Traceback (most recent call last):
File "...\tensorflow\core\framework\graph_pb2.py", line 6, in 
from google.protobuf import descriptor as _descriptor
ImportError: cannot import name 'descriptor'
42011070  

No module named "pywrap_tensorflow"
42217532  

OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits
43134753  

The TensorFlow library wasn't compiled to use SSE instructions

   
翻译自:https://www.tensorflow.org/install/install_windows    

    原文作者:hezhiyao
    原文地址: https://www.cnblogs.com/hezhiyao/p/8296235.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞