闲置资源再利用：个人电脑上畅玩 TensorFlow

更多腾讯海量技术文章，请关注云加社区：https://cloud.tencent.com/developer

作者：陈林峰

前言

眼下 github 社区最火的开源项目莫过于 tensorflow (后简称TF)，但是在云上玩 TF 存在成本高，部署难诸多问题。腾讯公司提供的 Tesla 是个不错的解决方案，也存在资源竞争，数据上传麻烦，调试不便等问题，倘若在虚拟机环境自己搭建环境，又存在 GPU 支持等问题。本文介绍一种基于 windows 平台下搭建 TF 运行和开发环境，带大家畅玩 TF 。

一、个人电脑玩TF的理由

之所以选择在个人电脑上玩TF最主要的原因成本低廉+取材简单，对于非专业人士也都可以搞个人工智能来取悦自己。具体而言，还有以下几个理由：

门槛低

目前市面上90%个人电脑采用windows系统，工具软件多，开发上手简单容易，而且TF平台不同于以往的计算平台如spark/hadoop等，对windows支持相对比较友好。采用Python运行环境，软件安装也十分方便，不会受到IDC的各种网络限制。

GPU支持

大部分个人电脑基本配备了nvidia的独显（不要问我ATI显卡为啥不行），像笔者平时很少玩3D游戏，显卡基本都在闲置，将TF跑在GPU上提升资源利用率，还可以一边训练模型一边工作，丝毫不会受到影响。

IDE支持

目前TF主工程目录的python代码超过20W行，若没有一个好的IDE支持，通过裸奔方式编写/阅读代码简直就是一件不可思议的事情。window平台下有许多优秀的python开发IDE提供语法高亮，代码补全，跳转调试功能，非常好用，例如Sublime、PyCharm、Eclipse等等。

二、个人电脑玩TF的姿势

2.1 安装TF

第一步: 下载安装Python工具

官网推荐安装3.5.x版本：下载工具，安装过程一路向西。

第二步: 升级pip（不升级的可能安装TF包失败）

> python -m pip install -U pip

(如果出现网络请设置HTTPS_PROXY/HTTP_PROXY环境变量)

第三步: 安装VS2015 Redistributable

下载链接

第四步: 下载TensorFlow安装包

带 GPU 功能下载链接 ( 推荐 )

单 CPU 功能下载链接 ( 不推荐 )

第五步: 安装TensorFlow安装包

> cd /d (PATH)

> pip install tensorflow_gpu-1.2.0rc0-cp35-cp35m-win_amd64.whl

2.2 安装Cuda

首先，要确保机器本身显卡计算能力在3.5以上：查询链接。

接着，需要安装两个软件：CUDA Toolkit和cuDNN

CUDA Tookit: 下载链接( 选择版本8.1 )

cuDNN: 下载链接( 选择版本5.1 )

先安装Tookit，然后将cuDNN压缩文件解压到Tookit安装目录中,bin对应bin。

最后，验证cuda是否安装成功：（两个方法）

方法1: 安装GPU-Z软件(推荐方法)

查看GPU状态（出现cuda就说明成功了）

方法2: 命令行方式

> cd /d (PATH)\CUDA\v8.0\extras\demo_suite>

> deviceQuery.exe

发现在部分笔记本安装完之后找不到设备(GeForce940M)的情况，后通过

在nvidia官网下载最新版本显卡驱动

解决。

2.3 安装PythonIDE

PyCharm和Sublime都是非常不错python开发IDE，前者是JetBrains公司出品，保持JetBrains家族一贯的特色，简单易用但系统开销大。我更愿意使用Sublime3，再带上几个插件轻装上阵(网络问题可通过代理解决)。

CTags插件：代码自动跳转，必装

SublimeREPL插件：代码调试工具，必装

SublimeCodeIntel插件：代码补全工具，必装

Autopep8插件: 代码排版，选装

Pylinter插件: 规范代码风格，语法检查，选装

2.4 畅玩TF

编码: 自动补全

阅码: 自动跳转

调试: 方便快捷

首先，在官网下载模型进行mnist本地训练

接着，再来一个诗和远方（感谢 hansion 提供的 demo，单核机器需要1天的工作在办公电脑45分钟内训练完，CPU运行正常，不影响正常作业。仅仅GPU有点忙，风扇哥，你要使劲点摇）

写在最后

之前搭建过spark/hadoop/xgboost分布式环境，相对而言，TF环境搭建更加简单容易，文档也相对更加完善，它更适合后台以外的开发同学操作机器学习，就我自己而言算是才开始进入TF领地，期待后面通过实战进一步强化对TF的认识，顺带也锻炼一下自己的爱机。