摘要：大家都知道深度学习涉及到大量的模型算法，看着那些乱糟糟的公式符号，心中一定是。以最常用的环境为例。这里强烈推荐版本，因为深度学习动辄几小时几天几周的运行市场，加速会节省你很多时间甚至电费。常见错误找不到指定的模块。
区别于其他入门教程的“手把手式”，本文更强调“因”而非“果”。我之所以加上“通用”字样，是因为在你了解了这个开发环境之后，那些很low的错误你就不会犯了。
大家都知道深度学习涉及到大量的模型、算法，看着那些乱糟糟的公式符号，心中一定是“WTF”。我想说的是，这些你都不要管，所谓车到山前必有路。
通常以我的习惯是以最简单的方式来接触一门新的技术，并且尽量抛弃新的（边缘）技术的介入，如果因为一些其他因素来导致学习树的不断扩大，会变得很低效，所以我们直击核心。以最常用的windows环境为例。
这里以windows7+TensorFlow-gpu1.5+cuda8+cudnn6+anaconda5+python3.6为例。这里强烈推荐GPU版本，因为深度学习动辄几小时、几天、几周的运行市场，GPU加速会节省你很多时间（甚至电费）。
cuda_8.0.61_windows.exe http://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/local_installers/cuda_8.0.61_windows.exe： 从NIVDIA官网下载需要找到历史版本Legacy Releases。 tensorflow代码引用的cuda库必须绝对匹配，比如tensorflow1.3-1.5都使用cuda8的库，目前（2017-10-24 20:40:53）不支持cuda9库。
这里有一个关于cuda8的补丁，修复了8.0的一些bughttp://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/patches/2/cuda_8.0.61.2_windows.exe
cudnn-8.0-windows7-x64-v6.0.zip http://developer2.download.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-windows7-x64-v6.0.zip：
和上面的原因一样，请匹配6.0版本。
tensorflow https://github.com/tensorflow/tensorflow：
我之所以给出github的地址是因为tensorflow团队在github上每天12：34都有一次build，并且github不受“种种”网络因素的影响。在tensorflow找到python3.6对应gpu版本build history，找到whl文件地址。
Anaconda3-5.0.0-Windows-x86_64.exe https://www.anaconda.com/download/：
anaconda有一个最大的好处就是安装各种python库比较方便。
anaconda相当于tensorflow运行的容器。anaconda可以创建多个“盒子”（environment），每个盒子中的环境互不干扰，所以使用anaconda可以同时安装python3.5/3.6，tensorflow1.3/1.5。
cuda和cudnn是tensorflow调用gpu所需要的库。也就是说tensorflow必须通过cuda和cudnn来调用电脑的gpu。
anaconda、cuda、cudnn安装即可。在安装过程中会自动配置环境变量。
不过需要手动将cuda的development目录配置到CUDA_HOME中。
将cudnn解压后，把文件复制到cuda对应目录。
安装tensorflow启动anaconda,点击environments（环境），点击create（新建），命名tensorflow-gpu，选取3.6版本。
点击tensorflow-gpu启动Open Terminal，输入activate tensorflow-gpu。这时，anaconda下名字叫做tensorflow-gpu的环境已经启动了。下面我们才真正开始安装tensorflow。
输入
pip install --ignore-installed --upgrade http://ci.tensorflow.org/view/tf-nightly/job/tf-nightly-windows/M=windows-gpu,PY=36/lastSuccessfulBuild/artifact/cmake_build/tf_python/dist/tf_nightly_gpu-1.5.0.dev20171024-cp36-cp36m-win_amd64.whl
稍等片刻tensorflow就安装成功了。
测试tensorflow环境点击anaconda下我们创建的环境tensorflow-gpu启动Open With Python
输入import tensorflow如果不报错就说明安装成功了。
常见错误ImportError: DLL load failed: 找不到指定的模块。 这个错误通常是cuda或者cudnn与tensorflow的版本对应错误。推荐下载cuda8+cudnn6。
当然，随着时间推移这些版本会被淘汰，但本教程依然适用。在github上找到tensorflow项目，在项目内搜索TF_CUDA_VERSION和TF_CUDNN_VERSION会看到当前tensorflow对应的是哪个cuda和cudnn版本。
其他错误。
除1的错误外我暂时没碰到其他错误，如果出现排错的思路是，确认版本-->确认库是否包含在path中。如果依然无法解决，可以加我微信takeurhand讨论。
mnist例子运行需要安装matplotlib库，这时候anaconda的方便之处就得以体现了。点击anaconda下tensorflow-gpu环境，再右侧搜索matplotlib，勾选并点击apply即可。
下载github上mnist教程例子https://github.com/martin-gorner/tensorflow-mnist-tutorial，并解压。
启动anaconda下tensorflow-gpu环境Open Terminal，输入activate tensorflow-gpu，cd到步骤2解压目录。
执行python mnist_xx.py
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/20184.html
摘要：大家都知道深度学习涉及到大量的模型算法，看着那些乱糟糟的公式符号，心中一定是。以最常用的环境为例。这里强烈推荐版本，因为深度学习动辄几小时几天几周的运行市场，加速会节省你很多时间甚至电费。常见错误找不到指定的模块。 区别于其他入门教程的手把手式，本文更强调因而非果。我之所以加上通用字样，是因为在你了解了这个开发环境之后，那些很low的错误你就不会犯了。 大家都知道深度学习涉及到大量的...
摘要：大家都知道深度学习涉及到大量的模型算法，看着那些乱糟糟的公式符号，心中一定是。以最常用的环境为例。这里强烈推荐版本，因为深度学习动辄几小时几天几周的运行市场，加速会节省你很多时间甚至电费。常见错误找不到指定的模块。 区别于其他入门教程的手把手式，本文更强调因而非果。我之所以加上通用字样，是因为在你了解了这个开发环境之后，那些很low的错误你就不会犯了。 大家都知道深度学习涉及到大量的...
摘要：大家都知道深度学习涉及到大量的模型算法，看着那些乱糟糟的公式符号，心中一定是。以最常用的环境为例。这里强烈推荐版本，因为深度学习动辄几小时几天几周的运行市场，加速会节省你很多时间甚至电费。常见错误找不到指定的模块。 区别于其他入门教程的手把手式，本文更强调因而非果。我之所以加上通用字样，是因为在你了解了这个开发环境之后，那些很low的错误你就不会犯了。 大家都知道深度学习涉及到大量的...
摘要：登录之后，看看输入查看你的版本，企鹅云用的是所以教程的相关依赖我都会下载版本的下载依赖依赖可以直接通过下载到主机上，也可以先下载到本地再通过或上传。 原文链接 https://jinkey.ai/post/tech/z...本文作者 Jinkey（微信公众号 jinkey-love，官网 https://jinkey.ai）文章允许非篡改署名转载，删除或修改本段版权信息转载的，视为侵犯...
摘要：登录之后，看看输入查看你的版本，企鹅云用的是所以教程的相关依赖我都会下载版本的下载依赖依赖可以直接通过下载到主机上，也可以先下载到本地再通过或上传。 原文链接 https://jinkey.ai/post/tech/z...本文作者 Jinkey（微信公众号 jinkey-love，官网 https://jinkey.ai）文章允许非篡改署名转载，删除或修改本段版权信息转载的，视为侵犯...
阅读 1044·2021-11-19 09:40
阅读 2900·2021-11-02 14:47
阅读 2633·2021-10-11 10:58
阅读 696·2021-09-07 09:58
阅读 2544·2021-09-06 15:00
阅读 3044·2019-08-30 15:54
阅读 2483·2019-08-30 12:50
阅读 1620·2019-08-29 16:54
