（通用）深度学习环境搭建： tensorflow 安装教程及常见错误解决

[caiyongji]

区别于其他入门教程的“手把手式”，本文更强调“因”而非“果”。我之所以加上“通用”字样，是因为在你了解了这个开发环境之后，那些很 low 的错误你就不会犯了。
大家都知道深度学习涉及到大量的模型、算法，看着那些乱糟糟的公式符号，心中一定是“ WTF ”。我想说的是，这些你都不要管，所谓车到山前必有路。

所需安装包

通常以我的习惯是以最简单的方式来接触一门新的技术，并且尽量抛弃新的（边缘）技术的介入，如果因为一些其他因素来导致学习树的不断扩大，会变得很低效，所以我们直击核心。以最常用的 windows 环境为例。
这里以windows7+TensorFlow-gpu1.5+cuda8+cudnn6+anaconda5+python3.6为例。这里强烈推荐 GPU 版本，因为深度学习动辄几小时、几天、几周的运行市场，GPU 加速会节省你很多时间（甚至电费）。

1. cuda_8.0.61_windows.exe http://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/local_installers/cuda_8.0.61_windows.exe： 从 NIVDIA 官网下载需要找到历史版本Legacy Releases。 tensorflow 代码引用的 cuda 库必须绝对匹配，比如 tensorflow1.3-1.5 都使用 cuda8 的库，目前（ 2017-10-24 20:40:53 ）不支持 cuda9 库。
   这里有一个关于 cuda8 的补丁，修复了 8.0 的一些 bughttp://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/patches/2/cuda_8.0.61.2_windows.exe
2. cudnn-8.0-windows7-x64-v6.0.zip http://developer2.download.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-windows7-x64-v6.0.zip：
   和上面的原因一样，请匹配 6.0 版本。
3. tensorflow https://github.com/tensorflow/tensorflow：
   我之所以给出 github 的地址是因为 tensorflow 团队在 github 上每天 12：34 都有一次 build，并且 github 不受“种种”网络因素的影响。在 tensorflow 找到 python3.6 对应 gpu 版本build history，找到 whl 文件地址。
4. Anaconda3-5.0.0-Windows-x86_64.exe https://www.anaconda.com/download/：
   anaconda 有一个最大的好处就是安装各种 python 库比较方便。

安装包关系

anaconda 相当于 tensorflow 运行的容器。anaconda 可以创建多个“盒子”（ environment ），每个盒子中的环境互不干扰，所以使用 anaconda 可以同时安装 python3.5/3.6，tensorflow1.3/1.5。
cuda 和 cudnn 是 tensorflow 调用 gpu 所需要的库。也就是说 tensorflow 必须通过 cuda 和 cudnn 来调用电脑的 gpu。 #安装#

安装 anaconda、anaconda、cuda、cudnn

1. anaconda、cuda、cudnn 安装即可。在安装过程中会自动配置环境变量。
2. 不过需要手动将 cuda 的 development 目录配置到CUDA_HOME中。
3. 将 cudnn 解压后，把文件复制到 cuda 对应目录。

安装 tensorflow

1. 启动 anaconda,点击environments（环境），点击create（新建），命名tensorflow-gpu，选取3.6版本。
2. 点击 tensorflow-gpu 启动Open Terminal，输入activate tensorflow-gpu。这时，anaconda 下名字叫做 tensorflow-gpu 的环境已经启动了。下面我们才真正开始安装 tensorflow。
3. 输入
   pip install --ignore-installed --upgrade http://ci.tensorflow.org/view/tf-nightly/job/tf-nightly-windows/M=windows-gpu,PY=36/lastSuccessfulBuild/artifact/cmake_build/tf_python/dist/tf_nightly_gpu-1.5.0.dev20171024-cp36-cp36m-win_amd64.whl 稍等片刻 tensorflow 就安装成功了。

测试 tensorflow 环境

1. 点击 anaconda 下我们创建的环境tensorflow-gpu启动Open With Python
2. 输入import tensorflow如果不报错就说明安装成功了。

常见错误

1. ImportError: DLL load failed: 找不到指定的模块。 这个错误通常是 cuda 或者 cudnn 与 tensorflow 的版本对应错误。推荐下载 cuda8+cudnn6。
   当然，随着时间推移这些版本会被淘汰，但本教程依然适用。在 github 上找到 tensorflow 项目，在项目内搜索TF_CUDA_VERSION和TF_CUDNN_VERSION会看到当前 tensorflow 对应的是哪个 cuda 和 cudnn 版本。
2. 其他错误。
   除 1 的错误外我暂时没碰到其他错误，如果出现排错的思路是，确认版本-->确认库是否包含在 path 中。如果依然无法解决，可以加我微信takeurhand讨论。

运行 mnist 例子

1. mnist 例子运行需要安装 matplotlib 库，这时候 anaconda 的方便之处就得以体现了。点击 anaconda 下tensorflow-gpu环境，再右侧搜索 matplotlib，勾选并点击 apply 即可。
2. 下载 github 上 mnist 教程例子https://github.com/martin-gorner/tensorflow-mnist-tutorial，并解压。
3. 启动 anaconda 下tensorflow-gpu环境Open Terminal，输入activate tensorflow-gpu，cd 到步骤 2 解压目录。
4. 执行python mnist_xx.py