Windows下编译tensorflow-gpu教程
来源:互联网 发布:正规淘宝刷客平台 编辑:程序博客网 时间:2024/06/06 10:57
官方文档:
1. 在windows下安装tensorflow
2. 在windows下编译tensorflow(cmake)
首先是系统配置:
- OS:Windows Server 2012 R2(相当于Windows 8)
- GPU:NVIDIA Quadro K1200
然后是各种软件版本:
- git 2.14
- Visual Studio 2015
- CUDA 8.0.61
- cuDNN 6.0
- Anaconda3-4.2.0(此版本非最新版本,之所以使用是因为其默认python版本为3.5.2)
- cmake 3.9.1
- swig 3.0.12
一、安装CUDA
0. 首先需要在cuda-gpus检查电脑的GPU是否支持cuda编程,要求Compute Capability 3.0及以上。
1. 安装Visual Studio 2015(需要在CUDA之前安装好)
2. 安装CUDA toolkit 8.0(推荐下载离线版本)
3. 解压下载好的cuDNN,将其中的 bin
、include
、lib
覆盖到CUDA的安装目录
二、安装tensorflow-gpu
1. 安装anaconda
2. 进入python3.5环境,通过以下命令安装tensorflow-gpu:
pip install --ignore-installed --upgrade tensorflow-gpu
3. 如果遇到各种lib、dll缺失的问题,可以尝试通过添加对应的路径到path中来解决
- 在CUDA_PATH后面添加bin和lib\x64路径
- 将cudnn64_7改为cudnn64_6
4. 测试代码
如下:
#Creates a graph.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)#Creates a session with log_device_placement set to True.sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))#Runs the op.print sess.run(c)
三、编译tensorflow-gpu
一些说明:使用pip或anaconda等方式安装的预编译好的tensorflow没有AVX2指令集加速,通过手动编译可以更好的利用GPU。但是如果没有AVX或者GPU的话,手动编译几乎没有优势。
官方只提供了Ubuntu和Mac OS X的编译支持,在Windows下可以通过Bazel和CMake两种方式进行编译,但只是 “highly experimental”,可能会遇到各种错误。下面使用CMake来进行编译。
0. 进行编译之前安装一下软件:
- Cmake 3.5以上
- Git
- swig
Windows下的额外要求:
- Visual Studio 2015
- Python 3.5
- Numpy 1.11.0 or later
1. 设置环境变量
- 进入目录
C:\Program Files (x86)\Microsoft Visual Studio version\VC\
,运行命令vcvarsall amd64
,从64位命令行编译到64位的目标平台。执行这一步可以避免编译的时候出现内存不足的错误。 - 将CUDA dlls和cuDNN dll添加到环境变量:
NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
cudnn-8.0-windows7-x64-v7\cuda\bin
- 将Cmake和git添加到环境变量
CMake\bin
2. 下载 Tensorflow源代码, 在其中的 tensorflow\tensorflow\contrib\cmake
目录下新建 build
目录,用于存放编译结果。
D:\temp> git clone https://github.com/tensorflow/tensorflow.gitD:\temp> cd tensorflow\tensorflow\contrib\cmakeD:\temp\tensorflow\tensorflow\contrib\cmake> mkdir buildD:\temp\tensorflow\tensorflow\contrib\cmake> cd buildD:\temp\tensorflow\tensorflow\contrib\cmake\build>
3. 调用cmake来产生Visual Studio solution 和project files.
D:\...\build> cmake .. -A x64 -DCMAKE_BUILD_TYPE=Release ^More? -DSWIG_EXECUTABLE=C:/tools/swigwin-3.0.10/swig.exe ^More? -DPYTHON_EXECUTABLE=C:/Users/%USERNAME%/AppData/Local/Continuum/Anaconda3/python.exe ^More? -DPYTHON_LIBRARIES=C:/Users/%USERNAME%/AppData/Local/Continuum/Anaconda3/libs/python35.lib
如果有NVIDIA显卡,且安装好了cuDNN,那么可以添加以下参数:
More? -Dtensorflow_ENABLE_GPU=ON ^More? -DCUDNN_HOME="D:\...\cudnn"
4. 调用MSBiuld来编译Tensorflow
使用以下命令产生.whl文件
D:\...\build> MSBuild /p:Configuration=Release tf_python_build_pip_package.vcxproj
遇到的问题:
- error C2001: newline in constant
打开对应的文件发现出现了乱码,google之后发现可以通过修改locale为 英语(美国) 来解决。 - 编译过程中下载失败或者 git clone缓慢
使用命令nslookup
查找失效ip(github.global.ssl.fastly.net
,storage.googleapis.com
等),修改host文件。完了之后ipconfig /flushdns
。当然也可以尝试手动下载到对应的目录。
阅读全文
1 0
- Windows下编译tensorflow-gpu教程
- Windows下TensorFlow-gpu版安装教程
- Windows下安装TensorFlow-gpu
- windows下安装tensorflow-gpu
- Windows下安装TensorFlow-gpu
- Windows下安装Tensorflow(GPU)
- MacOS 下源码编译TensorFlow (GPU版本)
- Windows下安装Tensorflow教程
- Windows下安装TensorFlow教程
- 用GPU加速深度学习: Windows安装CUDA+TensorFlow教程
- 安装windows tensorflow-gpu
- windows gpu tensorflow anaconda
- Windows安装TensorFlow-GPU
- Windows Tensorflow GPU安装
- windows下caffe无gpu的编译
- ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- tensorflow及GPU加速在win10下的安装教程
- 【其他】win10下TensorFlow(gpu版)安装教程
- ACM随笔 17.8.31
- www服务器
- C语言实现插入排序
- openstack中API调用源码分析
- 排序算法
- Windows下编译tensorflow-gpu教程
- 面向服务的体系架构(SOA)
- 利用warpPerspective进行图像缩放
- 正态分布的前世今生
- java中静态内部类和非静态内部类的区别
- 设计模式之迪米特法则
- 拜访-动态规划
- 欢迎使用CSDN-markdown编辑器
- JavaWeb Cookie