windows10下安装Tensorflow+Keras+VS2015+CUDA8.0 GPU加速

关于keras：

Keras是对Tensorflow或者Theano的再次封装，不需要关注那么多的底层细节，使用更简单。
Tesorflow与theano可以使用Nvidia GPU进行加速，使用CUDA进行加速，速度会快很多。

该文是在参考了近10篇博文，以及在安装过程中遇到并查找了各种问题的解决办法后写的，参考链接贴在了文末，文中的图片部分来自其他博主，部分来自自己的截图。可能遇到的一些问题在文中标识了出来，希望对大家有用！下面开始正文。

一：配置深度学习环境所需要的工具和软件包：

Visual Studio 2015：使用 C/C++编译器和 SDK。
Anaconda3-2018.12-Windows-x86_64.exe：一个集成Python科学计算环境。
CUDA 8.0.61 (64-bit)：CUDA 是一种由 NVIDIA 推出的通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题
cuDNN v6.0 (April 27, 2017), for CUDA 8.0：用于加速卷积神经网络的运算。
Keras 2.0.5 with three different backends: Theano 0.9.0, Tensorflow-gpu 1.9.0：Keras 以 Theano、Tensorflow 或 CNTK 等框架为后端，并提供深度学习高级 API。

二：安装Visual Studio 2015

安装Visual Studio 2015 Community Edition Update 3 w. Windows Kit 10.0.10240.0 ，这里我们只需要选择Visual C++部分和 windows 10 SDK 部分即可。
下载地址：https://www.visualstudio.com/vs/older-downloads
基于我们安装 VS 2015 的地址，配置环境变量
定义系统环境变量（sysenv variable）INCLUDE 的值为 C:\Program Files (x86)\Windows Kits\10\Include\10.0.10240.0\ucrt
定义系统环境变量（sysenv variable）LIB 的值为 C:\Program Files (x86)\Windows Kits\10\Lib\10.0.10240.0\um\x64; 和 C:\Program Files (x86)\Windows Kits\10\Lib\10.0.10240.0\ucrt\x64

二：安装Anaconda

Anaconda包含很多科学计算的包，例如numpy、scipy等等，可以为你省去不少麻烦，它的官网在这里：https://www.anaconda.com/download/ ，下载最新的Anaconda，Python 3.7 version，64bit。
在这里插入图片描述
按照指引安装就可以，在Install for那个界面，建议选择【All Users(requires admin privileges)】那个选项。在如下那个界面中，把两个选项都勾上（默认是勾上的）。因为我很早之前就已经安装过Anaconda了，这里引用了文章开头链接中的图片。
这里还有一个安装过程中可能用得上的链接：关于安装Anaconda3各种各样的问题，吐血总结
在这里插入图片描述

三：安装CUDA 8.0.61 (64-bit)

这里我使用了8.0版本，也是网上大多数安装教程所使用的版本（在刚开始使用10.0最新版本遇到了版本不一致问题，结果又重新下载安装了8.0版本）
从英伟达网站下载 CUDA 8.0 (64-bit)：https://developer.nvidia.com/cuda-80-download-archive
在这里插入图片描述
下载完成后安装：注意 下图中的路径是安装包临时解压的路径，后续安装还有另外一个路径，这两个路径一定不要相同！！！
若将临时解压目录和安装目录设置成一样的了，导致安装结束，临时解压目录被删除，所以安装目录也被删除了，所以会导致安装后的目录莫名消失
建议安装时选择默认即可！
在这里插入图片描述

运行安装包：建议选择Custom（即中文的自定义安装），只需要安装如图CUDA菜单下的工具。
在这里插入图片描述
点击NEXT，下图中的安装路径，和刚开始的第一个路径一定不要相同。选择默认C盘路径也可以，大概在2个G左右。

安装结束后，关闭即可。

接下来设置环境变量：下图中的CUDA_PATH为安装后自动配置好的，我们只需在上面的Path中，加入如下四个变量即可：

%CUDA_PATH%\bin
%CUDA_PATH%\libnvvp
%CUDA_PATH%
%CUDA_PATH%\lib\x64

最后在cmd里输入 echo %path% 就能查看你的是否添加进环境变量了
在这里插入图片描述

四：下载cuDNN

cuDNN可以在前面GPU加速基础上大概再提升1.5倍的速度，它由nVIDIA开发。可以到nVIDIA官网https://developer.nvidia.com/rdp/cudnn-archive下载对应版本，我下载的是v6.0版本（网上教程大多是6.0版本，貌似是因为不易出现版本不一致的问题）。下载之前需要注册填写问卷，耐心填完即可。
在这里插入图片描述

下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹复制到CUDA对应文件夹（实际上是将cuDNN这三个目录中的文件，添加到CUDA对应bin、include、lib文件夹中，CUDA对应文件夹不需要删除，也不会有文件被覆盖），默认文件夹在：C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0
配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：首先启动cmd，cd到安装目录下的C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

如果以上两步都返回了Result=PASS，那么就算成功啦。
如果出现：CUDA driver version is insufficient for CUDA runtime version，可能是由于cuda和cuDNN版本不一致导致的（我在这里使用的是CUDA8.0和cuDNNv6.0）
更详细的对应关系（windows）参考如下：

五：下载tensorflow

pip安装方式

保持网络连接，打开cmd或者Anaconda Prompt，输入：pip install tensorflow-gpu。然后耐心等待安装。如果安装成功了，跳过手动安装方式。

手动安装方式

如果在线从pip安装tensorflow总是失败，那就下载python的whl包，本地安装的。下载地址： http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/。按照上图对应关系找到对应的whl文件并下载。我使用了1.9.0版本可以正常使用。
在cmd中输入：pip install c:\Users\Downloads\tensorflow_gpu-0.12.0rc1-cp35-cp35m-win_amd64.whl。等待安装完成即可（这里install 后面是你文件下载路径）这里会自动 uninstall 之前的错误版本。
在这里插入图片描述

如何验证是否安装成功

打开cmd在命令行中输入：python，再输入：

import tensorflow as tf
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a + b))

若正确打印结果3，则安装成功。

六：安装keras

打开Anaconda Prompt或者cmd，输入：pip install keras
回车，安装就开始了，它会顺带把Theano也给安装上，但是这里安装的Theano版本比较老，是Theano-0.8.2。我们使用tensorflow作为后端，而不是theano，所以不用理会它，让它装上就好了。

打开cmd在命令行中输入：python，再输入：import keras
若如下图显示，则安装成功。

在这里插入图片描述

七：总结

安装keras用了一天的时间，遇到了大大小小的问题。在这里我将所有的参考链接一一贴出，并对作者表示感谢！