TensorFlow在Windows环境下的搭建

「爱情、让人受尽委屈。」 2022-06-15 08:21 292阅读 0赞

## ![Center][]     遵循：[BY-SA][]  [署名-相同方式共享 4.0协议][BY-SA] ##

作者：谭东

时间：2017年5月28日

环境：Windows 7

![Center 1][]

接下来，给大家讲一下在Windows下安装TensorFlow并运行一段简单程序的步骤及注意事项。

对于TensorFlow大家应该不是很陌生，其中AlphaGo就是用TensorFlow深度学习系统制作出来的。

给你们几个关键词：监督学习、半监督学习、神经网络、卷积神经网络、聚类、数据剪辑等。

DeepMind、Keras、Estimator、Torch。

当然，深度学习系统并不是只有TensorFlow，还有Caffe、Theano、keras、Torch、CNTK等。

![Center 2][]

看下TensorFlow特点：

（1）高度的灵活性：TensorFlow 不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用Tensorflow。

（2）真正的可移植性（Portability）：Tensorflow 在CPU和GPU上运行，比如说可以运行在台式机、服务器、手机移动设备等等。

（3）将科研和产品联系在一起：过去如果要将科研中的机器学习想法用到产品中，需要大量的代码重写工作。那样的日子一去不复返了！

（4）自动求微分：基于梯度的机器学习算法会受益于Tensorflow自动求微分的能力。

（5）多语言支持：Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和执行你的graphs。

（6）性能最优化：比如说你又一个32个CPU内核、4个GPU显卡的工作站，想要将你工作站的计算潜能全发挥出来？由于Tensorflow 给予了线程、队列、异步操作等以最佳的支持，Tensorflow 让你可以将你手边硬件的计算潜能全部发挥出来。

任何人都可以用Tensorflow。学生、研究员、爱好者、极客、工程师、开发者、发明家、创业者等等都可以在[Apache 2.0][] 开源协议下使用Tensorflow。

![Center 3][]

目前Google的TensorFlow是增加了Windows版本的支持，以前是只有Linux和MacOs版本。好了，那么我们就按照官方文档来安装吧。

官方文档地址：[https://www.tensorflow.org/install/install\_windows][https_www.tensorflow.org_install_install_windows]

有兴趣可以看下官方Windows版本安装英文原文文档，我也是看的这个。

1、首先在安装上有2个区分，如果你电脑支持GPU，那么你可以安装GPU版本，如果你的电脑不支持GPU，那么安装CPU版本。

先看看GPU版本需要多安装哪些。需要安装下面这2个驱动。

1）CUDA   [https://developer.nvidia.com/cuda-downloads][https_developer.nvidia.com_cuda-downloads]

2）cuDNN  [https://developer.nvidia.com/cudnn][https_developer.nvidia.com_cudnn]（要注册Nvidia用户，并加入CuDNN开发组，填若干问卷就可以下载了）选择下载版本时要注意和Cuda版本匹配。解压后覆盖至CUDA的安装目录下

例如：C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v8.0\\

国内PIP源：

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学：http://pypi.hustunique.com/

山东理工大学：http://pypi.sdutlinux.org/

豆瓣：http://pypi.douban.com/simple/

2.TensorFlow支持2种方式安装：

![Center 4][]

PIP方式，直接去Python官网去下载对应的Python Windows安装包就行了，要注意32位和64位版本的选择。

要注意，TensorFlow目前只能用Python 3.5.X版本的。所以不要下载错了版本。

![Center 5][]

下载链接：[https://www.python.org/downloads/release/python-352/][https_www.python.org_downloads_release_python-352]

![Center 6][]

64位和32位安装包。下载安装即可。

![Center 7][]

![Center 8][]

![Center 9][]

系统变量也加好了，安装好Python后，打开CMD，验证Python是否安装成功，输入：Python，出现Python版本号证明安装成功。

![Center 10][]

3.Python安装好后，我们就要进行下载安装TesorFlow需要的库了。

![Center 11][]

CPU版本命令输入：

pip3 install --upgrade tensorflow

GPU版本命令输入：

pip3 install --upgrade tensorflow-gpu

等待自动下载。

整个过程TensorFlow需要安装：numpy、six、wheel、appdirs、pyparsing、packaging、setuptools、protobuf、werkzeug、tensorflow。

![Center 12][]

![Center 13][]

4.安装完TensorFlow后，我们写一个例子进行测试下是否可以运行。在程序里找到：Python3.5或者CMD里输入Python即可进入输入编码模式。

给大家两个例子：

官方例子：

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

会输出：

Hello, TensorFlow!

另外一个计算的例子：

>>>import tensorflow as tf  
    >>>sess = tf.Session()  
    >>>a = tf.constant(10)  
    >>>b = tf.constant(22)  
    >>>print(sess.run(a + b))

会输出：

![Center 14][]

这样，我们的Windows下安装TensorFlow就完成了。

当然，TensorFlow不仅仅支持Python语法，还有如下这些扩展：

![Center 15][]

以上是"native" pip方式的安装，另一种方式Anaconda大家也可以试下。不过pip是官方推荐的，Anaconda不是官方支持的。

![Center 16][]  
最后，通过国内阿里云镜像看下TensorFlow的相关吧。

![Center 17][]  
  
  
![Center 18][]

接下来你就可以运用TensorFlow进行相关数据训练和深度学习了。

后续将进行TensorFlow的应用讲解...敬请期待..

[Center]: /images/20220615/b140e858cb414cd5a4e956a2cf169d39.png
[BY-SA]: https://creativecommons.org/licenses/by-sa/4.0/
[Center 1]: /images/20220615/748907792d794793ab82148af1d96fc8.png
[Center 2]: /images/20220615/f033011cfd884295854b35fe869aba73.png
[Apache 2.0]: http://www.apache.org/licenses/LICENSE-2.0
[Center 3]: /images/20220615/e2dd2aeaa12e44eba3f8325fb26d691b.png
[https_www.tensorflow.org_install_install_windows]: https://www.tensorflow.org/install/install_windows
[https_developer.nvidia.com_cuda-downloads]: https://developer.nvidia.com/cuda-downloads
[https_developer.nvidia.com_cudnn]: https://developer.nvidia.com/cudnn
[Center 4]: /images/20220615/06a83e10eeb740e6af292394ec5ae6ef.png
[Center 5]: /images/20220615/b1a3a763379f4ecaa895ef0593b41383.png
[https_www.python.org_downloads_release_python-352]: https://www.python.org/downloads/release/python-352/
[Center 6]: /images/20220615/42d825a21c844b15a8edc2fdfd13dbd5.png
[Center 7]: /images/20220615/53b665f073fb429d856fcaae7a70422a.png
[Center 8]: /images/20220615/ad499a3c3a04445bac20af86d674c5ae.png
[Center 9]: /images/20220615/886aefa05c304f49aa11464b669fad13.png
[Center 10]: /images/20220615/6c00b37241bd4592993ee4103b169b5e.png
[Center 11]: /images/20220615/f00e3f77faa74f458ccf00c55d39e511.png
[Center 12]: /images/20220615/81415ce5848348ab95f8214ad3fbfb68.png
[Center 13]: /images/20220615/38f19b71dadc4dbebca5d6faba9fc4e0.png
[Center 14]: /images/20220615/06eb992239bb41bb9cc57bc9620b03d2.png
[Center 15]: /images/20220615/692102bd415f4af6a4a84491a0bc48d7.png
[Center 16]: /images/20220615/20e2ad41880546fc9ef250dd9a94c871.png
[Center 17]: /images/20220615/93dbd70e131f40a99e4250cad746527a.png
[Center 18]: /images/20220615/27dc4fce2a034334aed5f78e67e28e03.png