Windows安装tensorflow，配置vs2013，anaconda3.4，cudn9.0，cudnn7.0和pycharm

前言

最近要开始学习深度，那么首先在电脑上安装tensorflow。但是我不知道是配置版本的问题，还是安装失误的问题，我安装了很久没有安装成功，最后重装了电脑，并且融合了所有的网上可以查到的方案才安装成功。所以为了方便他人，我把自己的安装过程写下来，以供大家参考。

另附：后来我又重新安装tensorflow gpu，一次安装成功，但是其中也遇到些从没有见过的问题，现补充在最后。

安装材料

1. Vs2013
2. Anaconda3-4.2-windows-x86_64
3. Cuda_9.0.148_win10
4. Cudnn-9.0-windows10-64-v7
5. Pycharm2018.1.4(Commuunity Edition)

这些软件中，anaconda、cuda和cudnn的版本必须要相互对应的，并且anaconda的版本后面的tensorflow的版本也是一一对应的，所以为了保证安装正确，最好使用一致的版本。

因为cuda和cudnn直接在官网上下载很慢，并且对应的版本不好找，所以我将我使用到的软件存在在百度云盘中，大家可以直接下载。

百度云地址：https://pan.baidu.com/s/1CKpfSpmP0bURGsRd0FuWrQ 密码: mzd9

安装过程

• Vs2013安装。这个安装过程非常简单，直接打开iso，解压后点击setup即可，一路next，等待时间稍长。安装过程不会有什么大问题。

需要注意的是：电脑如果本身有了vs版本就不需要在重新安装，因为在安装cuda的过程，他会自动检查c++编译库等，会自动检查vs版本，他支持2013、2015和2017，所以只要电脑上安装了就好。我第一次安装tensorflow时，没有安装vs，所以一直出错，虽然不知道错误是否和这点有关系，但是为了避免安装失败，建议还是先安装vs。

• Anaconda安装。Anaconda安装中会自动安装python3.5版本，在《tensorflow实战》和《谷歌tensorflow详解》中都建议使用python3来作为开发版本，所以我选择了这个版本，同时看网上也有说tensorflow1.5以上都要使用python3，所以就用了这个版本。

需要注意的是： 安装过程一定要勾选设置环境变量，要不然后期不能直接用cmd打开了，所以为了方便，一定要将路径写到环境变量中。

如果使用的anaconda不是3.4版本，那么后期在安装conda install tensorflow时需要先将python的版本设置为3.5。

• Tensorflow安装。安装anaconda之后就可以使用anaconda来安装tensorflow了。打开anaconda prompt在里面输入：

    1. 安装gpu版本

        pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

    2. 安装cpu版本

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl

https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_ 这一段是从清华镜像中下载tensorflow安装包。如果从官网上下载速度非常慢，而且容易出现包找不到的情况，在我自己安装的过程中，我多次尝试从官网下载但是下载到最后一个包时总是失败。最后找了清华镜像下载地址才成功的。另外建议把清华镜像设置成为默认下载渠道。  

需要注意的是：安装gpu版本需要检查自己电脑的配置是否支持gpu版本。在以下两个网址中检查自己的gpu，如果自己的gpu出现在列表中，那么就可以安装gpu版本。 

电脑较新使用这个网址：https://developer.nvidia.com/cuda-gpus

电脑比较老使用这个网址：https://developer.nvidia.com/cuda-legacy-gpus

如何查看自己电脑的gpu，请参考这个网址：https://jingyan.baidu.com/article/17bd8e524e14ac85ab2bb801.html

查看自己电脑gpu信息时，如果自己的gpu不在列表中，也不要以为自己的电脑不能使用gpu版本了，要自己看一下自己的gpu系列，对照自己的gpu版本和上图中的gpu版本的区别，如果自己的gpu版本高于上表中的，那也是可以安装的。

安装tensorflow之后，在anaconda prompt检查是否安装成功。乳沟是cpu版本，可以直接使用了。如果是gpu版本，输入以下命令，会显示找不到cudn。

activate tensorflow 
python 
inport tensorflow 

•  Cudn安装。Cudn的安装过程中会出现两个地址，第一个是解压地址，第二个是安装地址，第二个地址在选择精简版本还是自定义版本中出现。安装时最好安装地址最好是使用默认地址，我在第二次安装时修改了位置，结果安装位置下只出现了几个文件夹，相应的lib等文件在不知所踪，在后面的添加环境变量中根本找不到位置，所以只好又重新安装。

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0; 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0in; 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libnvvp; 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0lib; 
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0include

最后在cmd中使用

echo %path% 

 检查是否加入环境变量。

• cudnn安装。Cudnn 解压后的lib、include、bin等文件放入以下文件夹下。

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0 

至此，所有的安装文件已经安装了。 但是我们需要在pycharm中使用tensorflow，就需要在pycharm中配置python。

配置pycharm

    如果想要在pycharm中使用tensorflow必须要使用tensorflow的python版本。具体操作如下图。

   

简单tensorflow测试实例

     

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @File  : hello.py
# @Author: smx
# @Date  : 2018/7/17
# @Desc  :

import tensorflow as tf

# 输出Hello, TensorFlow!
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

# 计算 10 + 32 并输出
a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a+b))

# 把一个1*2的矩阵和一个2*1的矩阵相乘并输出
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)
result = sess.run(product)
print(result)

sess.close()

实例输出：

到这里windows下的tensorflow就全部安装成功了。

总结几个安装过程中出现的问题。

1. tensorflow版本选择cpu还是gpu，这两者的区别网上很多答案写的很清楚，就我自己来看，如果电脑配置还可以的话，建议使用gpu，能使用起来速度更快，后面跑一些模型的优势更明显。如果电脑配置跟不上，或者只是想简单的体验一下tensorflow的话，建议使用cpu版本，安装过程很简单，初期使用和gpu版本没有区别。
2. 在anaconda prompt中pip tensorflow不成功，我试验了几次，发现不成功的原因是官网不稳定，下载到最后一个包时失败，后来换了清华镜像一下就下载成功了。
3. 在cmd中import tensorflow出现错误找不到cuart9.0，这个是cuan的版本不对的问题，所以根据出错显示的版本重新下载一个就好。记得重新安装之前要将cudn之前的版本完全删除干净。直接电脑的删除程序中将cudn删除，cudn安装时会安装多个文件，要将带有cudn的文件全部删除，只留下这两个文件。
4. 在cmd中import tensorflow成功，但是pycharm不成功，可能有两种原因：一是pycharm没有配置对，二是cudn的版本不对。这两种解决方案要根据实际情况来使用。
5. 安装cudnn，之前是直接将解压后的文件放入cuda的对应文件下，但是后来检查cudnn是否成功，发现cudn安装不成功，经查贴，解决方案是需要将cudnn的lib文件加入系统环境变量。
6. 使用conda install tensorflow发现找不到tensorflow1.4.0 或者1.5.0， 查贴发现。python3.7的pip只有tensorflow 1.12.0， 版本太高，所以需要将python的版本降到3.6. 做法是pip install python=3.6. 
7. 重新安装python3.6后，使用conda install tensorflow，发现还是找不到，使用pip install install tensorflow-gpu=1.12.0 安装成功！另附一张python，tensorflow，cuda，cudnn的版本图。