基本开发环境搭建

1.编译环境Microsoft Visual Studio 2015 Update 3

(安装CPU版本非必须安装)

CUDA编译器为Microsoft Visual Studio&＃xff0c;版本从2010-2015&＃xff0c;cuda8.0仅支持2015版本&＃xff0c;暂不支持VS2017&＃xff0c;本文采用Visual Studio 2015 Update 3。 同样直接贴出迅雷热链&＃xff1a;

ed2k://|file|cn_visual_studio_professional_2015_with_update_3_x86_x64_dvd_8923256.iso|7745202176|DD35D3D169D553224

2. Python环境

python环境建设推荐使用科学计算集成python发行版Anaconda&＃xff0c;Anaconda是Python众多发行版中非常适用于科学计算的版本&＃xff0c;里面已经集成了很多优秀的科学计算Python库。 建议安装Anconda3 4.2.0版本&＃xff0c;目前新出的python3.6存在部分不兼容问题&＃xff0c;所以建议安装历史版本4.2.0 

注意1&＃xff1a;Windows版本下的Tensorflow暂时不支持python2.7.

注意2&＃xff1a;安装Anconda3 4.2.0版本&＃xff0c;选择默认就好。我曾经什么都喜欢用最新的&＃xff0c;下载安装了Anconda3 4.4.0版本&＃xff0c;结果各种踩坑&＃61;&＃61;&＃xff0c;在安装TensorFlow时&＃xff0c;各种报错&＃xff0c;死活不成功&＃64;&＃64;.

注意3&＃xff1a;可以根据自己的电脑&＃xff0c;选择64位安装程序Anaconda3-4.2.0-Windows-x86_64.exe&＃xff0c;或者32位安装程序Anaconda3-4.2.0-Windows-x86.exe&＃xff0c;验证python是否安装成功&＃xff0c;在命令窗口中&＃xff0c;输入python -V&＃xff0c;弹出相应python版本号&＃xff0c;即代表安装成功。

下载地址&＃xff1a; Anaconda

3. CUDA

(安装CPU版本非必须安装) CUDA Toolkit是NVIDIA公司面向GPU编程提供的基础工具包&＃xff0c;也是驱动显卡计算的核心技术工具。 直接安装CUDA8.0即可 下载地址&＃xff1a;https://developer.nvidia.com/cuda-downloads 在下载之后&＃xff0c;按照步骤安装&＃xff0c;不建议新手修改安装目录&＃xff0c;同上&＃xff0c;环境不需要配置&＃xff0c;安装程序会自动配置好。

6. 加速库CuDNN

从官网下载需要注册 Nvidia 开发者账号&＃xff0c;网盘搜索一般也能找到。 因为当前的TensorFlow是1.3版本的&＃xff0c;需要CUDA8和CuDNN6的支持&＃xff0c;请下载v6.0版本&＃xff0c;即cudnn-8.0-windows10-x64-v6.0.zip。 下载解压出来是名为cuda的文件夹&＃xff0c;里面有bin、include、lib&＃xff0c;将三个文件夹复制到安装CUDA的地方覆盖对应文件夹&＃xff0c;默认文件夹在&＃xff1a;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\8.0

7. 安装TensorFlow

在CMD命令行中输入&＃xff1a;

# GPU 版本 执行下面的命令
pip install --upgrade tensorflow-gpu# CPU 版本 执行下面的命令
pip install --upgrade tensorflow

如果出现错误“Cannot remove entries from nonexistent file”&＃xff0c;执行以下命令

“pip install --upgrade -I setuptools”即可

如果出现如下图所示的异常&＃xff0c;执行python -m pip install --upgrade pip即可&＃xff1a;

7. 安装Keras

在CMD命令行中输入&＃xff1a;

pip install keras -U --pre

安装Keras的过程中出现了下边的问题&＃xff1a;

Failed building wheel for scipy&＃xff0c;

Failed cleaning build dir for scipy

pip在windows下不工作。

处理办法&＃xff1a;

手动下载对应版本的Scipy&＃xff0c;比如我们上面用的Anconda3 4.2.0版本&＃xff0c;就是基于python3.5版本的&＃xff0c;所以对应下载64位版本的&＃xff0c;也有32位版本可以下载。

• scipy‑0.19.1‑cp35‑cp35m‑win_amd64.whl
• • scipy‑0.19.1‑cp35‑cp35m‑win32.whl
  • 
    

手动安装的方式&＃xff1a;打开下载完成的目录&＃xff0c;按住Shift&＃xff0c;点击右键&＃xff0c;选择在此处打开命令窗口&＃xff0c;弹出命令窗口后&＃xff0c;输入pip install scipy‑0.19.1‑cp35‑cp35m‑win_amd64.whl

安装成功提示后&＃xff0c;重新在CMD命令行中输入&＃xff0c;继续安装Keras&＃xff1a;

pip install keras -U --pre

当然也可能不出现上面的问题&＃xff0c;在另一台机器上安装Keras&＃xff0c;一次成功 ^_^

当出现Successfully installed keras-2.0.8 scipy-1.0.0rc1&＃xff0c;即表明安装成功。

之后可以验证keras是否安装成功,在命令行中输入python, import keras,如果没有报错&＃xff0c;即表明安装成功&＃xff1a;

最后&＃xff0c;下载Keras开发包&＃xff0c;并测试Keras中mnist数据集 &＃xff0c;在命令行中依次执行如下命令&＃xff1a;

conda install git
git clone https://github.com/fchollet/keras.git
cd keras/examples/
python mnist_mlp.py


执行conda install git时&＃xff0c;输入y确认安装。

python mnist_mlp.py&＃xff0c;输出如下结果&＃xff0c;keras测试成功。

Keras中文文档地址

http://keras-cn.readthedocs.io/en/latest/for_beginners/keras_windows/