Windows下TensorFlow+Faster Rcnn 详细安装步骤(一)

现在很多人都在做深度学习应用于遥感影像识别,本文详细介绍了Windows10下深度学习框架TensorFlow和算法Faster Rcnn的安装流程,以供大家交流学习。

1.安装Anaconda3

Windows下Python版本TensorFlow需要Python3.5支持,因此建议使用Anaconda,避免和原本电脑Python版本以及相关依赖库冲突等问题。

下载地址:https://repo.continuum.io/archive/

选择anaconda 3且与自己电脑位数一样的Windows版本,如果不清楚,可以参考这个网站上各版本说明

版本说明:https://docs.anaconda.com/anaconda/packages/oldpkglists

本次选择的版本如下图所示:

anaconda 3 默认的是python3.6,下载下来也是可以的,之后可以在虚拟环境里面更改python版本。

下载完成后双击exe安装,到下面这个界面时,第一个框打钩,把conda添加到环境变量,第二个不勾,如下图,这样就不会更改原本Python默认版本了。

安装完成后,在cmd中输入conda,出现以下界面,表示安装成功。

2.新建tensorflow虚拟环境

在cmd中输入

conda create -n tensorflow python=3.5

这样就建立了一个叫做tensorflow的虚拟环境,且python版本为3.5,之后的所有工作都需要在这个环境下完成的,激活虚拟环境,在cmd中使用命令

activate tensorflow,关闭虚拟环境,使用命令:deactivate

3.选择TensorFlow版本

TensorFlow有CPU版本和GPU版本,GPU版本使用显卡加速,硬件要求较高,但计算效率高,如果要安装GPU版本(需要有NVIDIA显卡,一般是推荐使用性能好的服务器)。但你可能需要知道自己电脑是否支持GPU,GPU显存是多少,如何查看自己的电脑是否支持GPU,在cmd命令中输入:

cd C:\Program Files\NVIDIA Corporation\NVSMI

nvidia-smi

可以看到自己的显卡型号和显存大小,个人建议GPU显存大于4GB的话可以考虑GPU版本的TensorFlow,不然老老实实用CPU版本的,就是训练时间长一些,不然到时候会报错OOM(out of memory)

若使用GPU版本的TensorFlow,还需要安装CUDA和cudnn,比CPU版本的TensorFlow安装复杂很多。

注意:如果使用CPU版本的TensorFlow,请跳过步骤4,直接看步骤5。

4.安装GPU版本依赖

主要是安装CUDA和cudnn,注意两者版本有对应依赖关系,本文选择使用的是CUDA 8.0cudnn 6.0

安装CUDA8.0:

下载地址:https://developer.nvidia.com/cuda-80-download-archive

打开后需要先用邮箱注册,然后下载时会让选择你自己电脑系统的版本等内容,注意看清楚下载的是CUDA 8.0版本,因为注册之后再登录时会默认跳转到CUDA最新版本的下载页面。

下载后双击exe进行安装即可,安装完成后检验是否安装成功:在cmd中输入命令

cd C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v8.0\extras\demo_suite

bandwidthTest.exe

结果如下图,显示 Result = PASS表明安装成功!

安装cudnn 6.0:

下载地址:https://developer.nvidia.com/rdp/cudnn-archive

页面中选择下载的内容如下

下载后的内容解压,可以看到有bin,include,lib这样三个文件夹,将三个文件夹中的文件分别复制到CUDA安装目录下对应的文件夹中,例如本机CUDA的安装目录为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,然后在目录下也能找到这三个文件夹

这样,cuda和cudnn就安装好了

5.安装TensorFlow

首先激活虚拟环境

activate tensorflow

GPU版本TensorFlow安装cmd命令:

pip install --ignore-installed --upgrade tensorflow-gpu

CPU版本TensorFlow安装cmd命令:

pip install --ignore-installed --upgrade tensorflow

安装完成后检查是否安装成功

python

import tensorflow as tf

tf.__version__

tf.__path__

此时如果报错:ImportError: Could not find'cudart64_90.dll'...

解决办法:

如果你是安装的GPU版本的,首先考虑TensorFlow安装版本是否与CUDA匹配,CUDA8.0网上一般都是和TensorFlow1.3搭配的,使用命令conda list,查看版本,如下图,可以发现TensorFlow版本不合适,默认安装的版本过高

此时,首先卸载tensorflow-gpu,命令如下:

pip uninstall tensorflow-gpu

安装1.3版本的:

pip install –-upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

同样的,如果cpu版本的TensorFlow版本不对,也可以使用命令重新安装:

pip install –-upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.3.0rc0-cp35-cp35m-win_amd64.whl

安装成功后,再来检验一下,可以查看tensorflow的安装版本和安装位置

import tensorflow as tf

tf.__version__

tf.__path__

如下图所示,tensorflow安装成功!

不管是CPU版本还是GPU版本的TensorFlow,安装1.3版本的到这里就结束了,安装成功的不需要进行下面的环境变量配置。

注:如果安装了TensorFlow 1.3版本后还是报错,还是找不到cuda相关的dll,建议重新配置环境变量,计算机右键属性,在系统环境变量中,可以看到多了CUDA_PATH和CUDA_SDK_PATH,在系统环境变量中继续添加以下内容:

(以下所有路径都基于CUDA默认安装位置,请以你自己实际安装的为准!)

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

然后在系统变量 PATH 的末尾添加:(记得分号是英文的)

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

再添加如下路径:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64;

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

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64;

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64;

保存后,再试试能不能正确加载tensorflow。

有关Faster Rcnn算法的安装和使用,将在下一篇推送中介绍,敬请关注!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180819G0XJ9500?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券

玩转腾讯云 有奖征文活动