win10安裝VS2015+CUDA9.0與tensorflow-gpu

0 前言

實驗室與某車企合作自動駕駛相關的專案，我在其中負責道路車道線識別的工作。
真實駕駛視訊資料集由車企提供，資料量很大，為了訓練模型，導師給更新了主機：512G固態硬碟+32G記憶體+GTX1080顯示卡。體驗爽的一匹。

由於之前的電腦都是師兄配置的，現在他畢業了，只好我自己來配。本文主要參考大神“微調”知乎專欄文章；以及“大米飯蓋不住四喜丸子”CSDN部落格：

https://zhuanlan.zhihu.com/p/29841665
https://blog.csdn.net/weixin_36368407/article/details/54177380

在其基礎上，排除一些自己遇到的坑，把過程記錄下來。在開始之前想再次提醒大家，在Windows上安裝CUDA和TensorFlow有很多坑，對於各種軟體版本以及系統設定的要求可謂非常刁鑽，很容易就“誤入陷阱”。 我在其中就重灌了電腦一次，還好是新電腦 沒有啥資料。

1 準備工作

簡單的說，我們需要以下軟體包。安裝的過程要按照這個順序：

• Windows 10
• Python 3.6（anancanda5.2）
• Visual Studio 2015
• CUDA 9.0 （官網預設是10.0 不要用）
• CuDnn 7.0

1.1 Windows 10

現在實驗室 基本上都是win10 了 ，必須適應~

1.2 Python 3.6（anancanda5.2）

習慣使用anancanda去管理python，相信我，絕對好用！！！！可以去清華大學的映象網站下載anaconda：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

注意下載與自己相同的版本，以及anaconda5.2對應的是 python3.6.6 版本。經測試可以完美使用tensorflow~

1.3 Visual Studio

由於英偉達cuda等程式需要編譯，要要使用Visual Studio C++ 的執行環境。

一定別裝2017！我因為這個重灌電腦了。。。都是淚

Visual Studio 2015的話現在最新的版本是Visual Studio 2015 with Update 3，去官網下載免費的Community版本即可。

但是，微軟為了推銷新版本，把舊版本藏的很深，我找了挺久才找到， 可以按照下圖提示去下載Community版本，登入一下即可。
地址：https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/

1.3 CUDA 9.0 （官網預設是10.0 不要用

TensorFlow官網上顯示支援的CUDA版本截止到今天（2018年10月8日）還是 CUDA 9.0。千萬要注意英偉達官網上的預設版本是CUDA 10.0，請不要下載安裝這個版本。

下載地址：https://developer.nvidia.com/cuda-toolkit-archive

網路比較好的朋友下載網路安裝版本。或者下載本地（local）版本。

我在此處遇到一個問題，下載本地版本時候 每次到99%的時候就中斷。。。 氣的一匹。最後還是在百度雲上找了個同名的檔案下載的。

[外鏈圖片轉存失敗(img-5TpvGwbZ-1566956927856)(http://i.imgur.com/oD083pk.jpg)]

[外鏈圖片轉存失敗(img-ToN5lIlH-1566956927857)(http://i.imgur.com/oD083pk.jpg)]

1.4 CuDnn 7.0

CuDnn 7.0 for CUDA9.0。這是可以使用的版本，下載時請對應的你的作業系統選擇合適的版本。

請特別注意下載CuDnn前必須註冊英偉達社群的會員，https://developer.nvidia.com/rdp/form/cudnn-download-survey，雖然說是英文的但非常簡單。（下載時必須登入，用微信可以很方便的登入）

正確的下載版本如下圖所示：

2 安裝過程 (建議使用管理員許可權賬號)

請儘量按照本文的安裝順序進行安裝，否則有可能執行失敗！最重要的是，安裝CUDA必須在安裝Visual Studio之後，這兩個順序不可以調換。

2.1 Anaconda下載安裝

Window下安裝非常簡單，直接執行安裝包下一步下一步就行，安裝過程會有選擇打鉤的地方，

• 第一個是新增環境變數！！！！！
• 第二個是把Anaconda下的Python設定為預設版本，這裡建議都勾選。！！！！！

[外鏈圖片轉存失敗(img-otBIAZJg-1566956927859)(http://i.imgur.com/qRZeZdC.jpg)]

安裝完成後，啟用Anaconda3環境，執行python -V

[外鏈圖片轉存失敗(img-pd8GRBij-1566956927860)(http://i.imgur.com/Xq1WyD1.png)]

2.2 安裝Visual Studio 2015

安裝VS2015沒什麼難度，只有一個選項需要自定義，別的選項都可以使用預設值。VS2015的預設安裝不包括“C+ +”的編譯器，必須手動勾選Visual C+ +，不然會面臨後續的CUDA編譯錯誤！！！

主要原因是VS2015在安裝時並沒有預設安裝C++的編譯器。

這裡真是服了必須吐槽：vs這個專門用來編寫C+ + 的編輯器，竟然預設不安裝C+ + ，簡直是神經病，害的我重灌電腦。

2.3安裝CUDA

安裝CUDA前請務必確認VS2015安裝成功！這個時候你需要安裝CUDA，雙擊我們下載的安裝檔案即可，一切都選擇預設即可。

安裝成功後會看到如下圖：

2.4. 驗證CUDA是否安裝成功:

2.4.1 nvcc -V

開啟命令列，也就是cmd然後輸入“nvcc -V”，如果安裝正確的話你應該看到這樣的輸出：

輸出中顯示了CUDA的版本是release 8.0。（別人的圖，我自己顯示9.0 懶得截圖了，知道就好）

2.4.2. 使用VS和CUDA編譯測試檔案

進入

“C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0”

資料夾，雙擊開啟 “Samples vs2015”這個檔案。

選擇編譯生成1_ Utilities中所有的檔案。

具體操作就是在1_ Utilities上右鍵選擇Build，注意上面紅框部分的64位和Release：

如果你沒有遇到編譯錯誤，那麼應該看到下圖提示5個檔案編譯成功：

在成功後，你會發現在“C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release”資料夾中出現了一堆檔案，我們主要需要deviceQuery和bandwidthTest。

如果你看到這兩個錯誤:

• TRK0005: Failed to locate: “CL.exe”. The system cannot find the file specified.系統找不到CL.exe，無法編譯檔案。面對這個錯誤那就是你沒選Visual C++，需要重新安裝時選上這個元件。
• MSB8036: Windows SDK 8.1 was not found.如果你同時看到了這個錯誤說你沒有安裝 Windows SDK 8.1，那也可以通過安裝C++ Redistribution這個來解決。
• 如果你發現錯誤提示是無法找到 CUDA.prop那麼就是CUDA安裝錯誤，建議檢查CUDA版本重新安裝。

2.4.3. deviceQuery和bandwidthTest驗證

執行我們剛才編譯出來的deviceQuery.exe，也就是在cmd中執行這個檔案，下圖中左下的紅框顯示 result = pass代表安裝測試成功，右下的紅框是你的顯示卡型號請確認型號正確。Tesla K80只是我的這臺機器型號，這個每個人可能都不一樣。

執行我們剛才編譯出來的bandwidthTest.exe，方法一樣，也是關注是否result = PASS。

2.5. 安裝CuDnn

解壓縮我們下載的CuDnn檔案，得到3個資料夾：bin, include, lib。如下圖所示，將這個三個資料夾複製到“C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0”。

2.6. 確認系統環境變數(Environment Variables)

確認Python3.5.4.和Pip3在系統環境變數中，檢查的方法上面已經介紹了。

開啟系統環境變數設定，以Win10為例，請參考百度經驗介紹。

確認CUDA_PATH和CUDA_PATH_V8.0已經存在

並手動新增 “C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0\bin”到Path裡面。

2.7. 安裝TensorFlow的GPU版本

開啟cmd，輸入“pip install tensorflow-gpu”

注意：

• 如果你電腦中有python2這裡就必須輸入：pip3
• 要安裝tensorflow-gpu，而不是tensorflow
• 如果安裝失敗，很有可能你的Python版本不是3.5.，或者pip3版本太低，可以使用"pip3 install --upgrade pip3"來升級pip3

3. 第一個TensorFlow程式！

恭喜你，我們離勝利已經一步之遙了:) 讓我們來驗證我們安裝的TensorFlow可以使用GPU！

使用pycharm，輸入以下程式碼並執行：

import tensorflow as tf

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

print sess.run(c)