雷鋒網按：本文作者阿薩姆，本文首發于作者的知乎專欄《數據說》，雷鋒網獲其授權發布。

　　背景

　　在Windows上使用GPU進行深度學習一直都不是主流，我們一般都首選Linux作為深度學習操作系統。但很多朋友如果隻是想要了解深度學習，似乎沒有必要專門裝雙系統或者改用Linux。現實生活中，很多使用學校或者公司電腦的朋友也沒有操作權限改換系統。那麼到底是否可以在Windows系統上設置深度學習框架，開發深度學習模型呢？

　　好消息是越來越多的深度學習框架開始支持Windows，這使得在Windows上使用GPU加速學習過程也變成了可能。很多朋友雖然沒有一塊很強勁的顯卡，但也可以以較低的代價來了解在GPU上運行深度學習模型的過程。值得欣喜的是，大部分Nvidia GeForce系列的顯卡都可以使用CUDA，大部分有獨顯的筆記本理論上都可以使用GPU來“深度學習”。即使加速效果不明顯，但很多入門級的顯卡依然可以用于tensorflow，這至少可以幫助大家了解和熟悉這個框架。

　　請不要讓缺少預算或者系統不兼容成為探索路上的攔路虎和借口。

　　本着探索的精神，我試着在兩台Windows電腦上安裝了CUDA(用于調用GPU)和TensorFlow(谷歌開發的深度學習工具庫)，把這個過程記錄下來和大家分享。

　　在開始之前想再次提醒大家，在Windows上安裝CUDA和TensorFlow有很多坑，對于各種軟件版本以及系統設置的要求可謂非常刁鑽，很容易就“誤入陷阱”。請大家嚴格對照我的操作流程，以防出錯。多圖長文預警！！！使用教程時建議在電腦端閱讀，可以放大圖片。

　　準備步驟

　　請按照介紹下載以下軟件備用，具體安裝流程在第二部分介紹。

　　簡單的說，我們需要 Windows 7/8/10, Server 2012/2016 Python 3.5 Visual Studio 2015 CUDA 8.0 CuDnn 6.0。

　　1.操作系統要求和硬件要求:

　　Windows版本：Windows 7，Windows 8，Windows 10，Windows Server 12/16

　　顯卡版本：請對照英偉達提供的支持CUDA的顯卡列表，建議查看英文版。不知道自己顯卡版本的可以通過“設備管理器”查看，或者使用第三方軟件GPU-Z查看。請注意，AMD的顯卡不可以使用英偉達開發的CUDA...

　　中文列表：CUDA - 支持CUDA的GPU - NVIDIA(英偉達)

　　英文列表：CUDA GPUs

　　2.Python版本：64位版本的Python 3.5。注意Python3.6和2.7都不可以。地址和版本如下圖所示。如果使用錯誤的Python版本，将無法安裝TensorFlow！

　　3.Visual Studio版本：

　　我們使用的CUDA8.0不支持Visual Studio 2017，使用VS2017會報錯。

　　Visual Studio 2015的話現在最新的版本是Visual Studio 2015 with Update 3，網上有人說不能用Update 3這個版本，但根據我的親測可以使用VS2015 with Update 3。下載免費的Community版本即可: httet.com/uploads9/3/4a3e00070f98600ddc88.jpg" alt="gpu加速能提高多少性能（用GPU加速深度學習:）(4)" />

　　安裝步驟(建議使用管理員權限賬号)

　　請盡量按照本文的安裝順序進行安裝，否則有可能運行失敗！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。

　　1.安裝Python

　　建議直接用Python的原生安裝包，安裝時建議勾選把Python加到系統路徑當中去。

　　安裝完成後檢查Python的版本和PiP3的版本，那就是系統路徑中的默認Python是3.54，且Pip3的版本大于8.01。

　　檢測方法如上圖，打開命令行分别輸入 "python -V" 和 “pip3 -V”即可，正确的輸出如上圖。

　　2.安裝Visual Studio 2015

　　安裝VS2015沒什麼難度，隻有一個選項需要自定義，别的選項都可以使用默認值。VS2015的默認安裝不包括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在安裝時并沒有默認安裝C 的編譯器，也就是CL.exe。在後文中我會提到如果你沒裝Visual C 系統會如何報錯。

　　3.安裝CUDA

　　安裝CUDA前請務必确認VS2015安裝成功！這個時候你需要安裝CUDA，雙擊我們下載的安裝文件即可，一切都選擇默認即可。

　　安裝成功後會看到如下圖：

　　4.驗證CUDA安裝成功:

　　4.1. 打開命令行，也就是cmd然後輸入“nvcc -V”，如果安裝正确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。

　　4.2. 使用VS和CUDA編譯測試文件

　　進入“C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0”文件夾，雙擊打開 “Samples vs2015”這個文件。

　　選擇編譯生成1_Utilities中所有的文件。具體操作就是在1_Utilities上右鍵選擇Build，注意紅框部分的64位和Release：

　　這個時候，你可能遇到了編譯錯誤，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。

　　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，無法編譯文件。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組件。

　　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。

　　如果你沒有遇到編譯錯誤，那麼應該看到下圖提示5個文件編譯成功：

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

　　4.3. deviceQuery和bandwidthTest驗證

　　運行我們剛才編譯出來的deviceQuery.exe，也就是在cmd中運行這個文件，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卡型号請确認型号正确。Tesla K80隻是我的這台機器型号，這個每個人可能都不一樣。

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

　　5.安裝CuDnn

　　解壓縮我們下載的CuDnn文件，得到3個文件夾：bin, include, lib。如下圖所示，将這個三個文件夾複制到“C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0”。

　　6.确認系統環境變量(Environment Variables)

　　确認Python3.5.4.和Pip3在系統環境變量中，檢查的方法上面已經介紹了。

　　打開系統環境變量設置，以Win10為例，請參考百度經驗（http://t.cn/RYIJJht）介紹。

　　确認CUDA_PATH和CUDA_PATH_V8.0已經存在

　　手動添加 “C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0\bin”到Path裡面。

　　7.安裝TensorFlow的GPU版本

　　打開cmd，輸入“pip3 install tensorflow-gpu”

　　我因為已經安裝過了，所以顯示已經安裝。此處要注意三點：

　　要用pip3而不是pip

　　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

　　第一個TensorFlow程序！

　　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！

　　打開cmd，輸入以下指令打開python的interactive shell。

　　首先導入tensorflow:

　　import tensorflow as tf

　　接着每次輸入一行代碼，并回車，你應該可以看到下圖中表明你的GPU已經開始工作啦~

　　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)

　　你可能在import TensorFlow時遇到了錯誤，如下圖。這是因為你的CuDnn設置錯誤，請參考本文确認系統環境變量(Environment Variables)來修複。

　　寫在最後

　　實踐是檢驗真理的唯一标準，時間也是。在所有人都在大力鼓吹深度學習的今天，不管你喜歡還是反對，我都希望你可以親自試試，感受一下:)

　　而現實生活中我們都有各種各樣的制約，比如系統版本限制、比如有限的顯卡預算。這也是我寫這篇教程的目的，我不希望這些原因成為阻礙你探索研究的障礙。希望我的這篇文章為你的深度學習之路做出了一點微小的貢獻。

　　歡迎來到深度學習的世界 ʕ•ᴥ•ʔ

　　,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!