Windows下编译tensorflow-gpu教程

https://zhuanlan.zhihu.com/p/34942873

官方文档：

1. 在windows下安装tensorflow

2. 在windows下编译tensorflow(cmake)

首先是系统配置：

OS：Windows Server 2012 R2(相当于Windows 8)

GPU：NVIDIA Quadro K1200

然后是各种软件版本：

git 2.14

Visual Studio 2015

CUDA 8.0.61

cuDNN 6.0

Anaconda3-4.2.0(此版本非最新版本，之所以使用是因为其默认python版本为3.5.2)

cmake 3.9.1

swig 3.0.12

一、安装CUDA

二、安装tensorflow-gpu

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

在CUDA_PATH后面添加bin和lib\x64路径

将cudnn64_7改为cudnn64_6

如下：

#Creates a graph.

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

#Creates a session with log_device_placement set to True.

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

#Runs the op.

print sess.run(c)

1

2

3

4

5

6

7

8

三、编译tensorflow-gpu

一些说明：使用pip或anaconda等方式安装的预编译好的tensorflow没有AVX2指令集加速，通过手动编译可以更好的利用GPU。但是如果没有AVX或者GPU的话，手动编译几乎没有优势。

官方只提供了Ubuntu和Mac OS X的编译支持，在Windows下可以通过Bazel和CMake两种方式进行编译，但只是 “highly experimental”，可能会遇到各种错误。下面使用CMake来进行编译。

Cmake 3.5以上

Git

swig

swig安装方法：

1.下载Swig for Windows：http://www.swig.org/download.html

2 解压 .zip 文件到目录，比如：D:\backupsoftware

3 添加环境变量到path， 比如： D:\backupsoftware\swigwin-2.0.9

4 添加环境变量 JAVA_INCLUDE 和 JAVA_BIN

JAVA_INCLUDE : Set this to the directory containing jni.h

JAVA_BIN : Set this to the bin directory containing javac.exe

Example using JDK1.3:

JAVA_INCLUDE: D:\jdk1.3\include

JAVA_BIN: D:\jdk1.3\bin

Note：D:\backupsoftware\swigwin-2.0.9 下面有 swig.exe 文件，注意这个目录。

简单测试安装是否成功：

打开Dos，在命令行执行： swig --help, 显示 Target Language Options即表明安装成功。

Windows下的额外要求：

Visual Studio 2015

Python 3.5

Numpy 1.11.0 or later

命令行执行：set PreferredToolArchitecture=x64

进入目录 C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\，运行命令 vcvarsall amd64，从64位命令行编译到64位的目标平台。执行这一步可以避免编译的时候出现内存不足的错误。

将CUDA dlls和cuDNN dll添加到环境变量：

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

cudnn-8.0-windows7-x64-v7\cuda\bin

将Cmake和git添加到环境变量

CMake\bin

D:\temp> git clone https://github.com/tensorflow/tensorflow.git

D:\temp> cd tensorflow\tensorflow\contrib\cmake

D:\temp\tensorflow\tensorflow\contrib\cmake> mkdir build

D:\temp\tensorflow\tensorflow\contrib\cmake> cd build

D:\temp\tensorflow\tensorflow\contrib\cmake\build>

1

2

3

4

5

D:\...\build> cmake .. -A x64 -T host=x64 -DCMAKE_BUILD_TYPE=Release ^

-DSWIG_EXECUTABLE=D:/soft/swigwin-3.0.12/swig.exe ^

-DPYTHON_EXECUTABLE=D:/ProgramData/Miniconda3/python.exe ^

-DPYTHON_LIBRARIES=D:/ProgramData/Miniconda3/libs/python36.lib ^

-Dtensorflow_ENABLE_GPU=ON ^

-DCUDNN_HOME="D:\soft\python\cudnn7"

1

2

3

4

5

6

7

1

2

1

1

2

如果有NVIDIA显卡，且安装好了cuDNN,那么可以添加以下参数：

More? -Dtensorflow_ENABLE_GPU=ON ^

More? -DCUDNN_HOME="D:\...\cudnn"

1

2

3

使用以下命令产生.whl文件

D:\...\build> MSBuild /p:Configuration=Release tf_python_build_pip_package.vcxproj

1

还有一种命令： MSBuild /p:Configuration=Release /p:Platform=x64 tf_python_build_pip_package.vcxproj

编译成功后，whl路径；

D:\soft\tensorflow-r1.6\tensorflow\contrib\cmake\build\tf_python\dist

遇到的问题：

点击生成解决方案，编译的时间很长，我的笔记本电脑编译一次大概3到4个小时，编译到最后一般都会报错

fatal error C1060: compiler is out of heap space 没关系，等待整个工程全部编译完成（据说内存特别大的电脑不会报）

error C2001: newline in constant

打开对应的文件发现出现了乱码，google之后发现可以通过修改locale为 英语(美国) 来解决。

编译过程中下载失败或者 git clone缓慢

使用命令 nslookup 查找失效ip(github.global.ssl.fastly.net,storage.googleapis.com等)，修改host文件。完了之后 ipconfig /flushdns。当然也可以尝试手动下载到对应的目录。

我这里的报错：

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\include\cinttypes(20): error C2039: “imaxdiv_t”: 不是“`global namespace'”的成员 [D:\soft\python\tensorflow-master\tensorflow

\contrib\cmake\build\grpc\src\grpc\grpc_unsecure.vcxproj] [D:\soft\python\tensorflow-master\tensorflow\contrib\cmake\build\grpc.vcxproj]

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\include\cinttypes(20): error C2873: “imaxdiv_t”: 符号不能用在 using 声明中 [D:\soft\python\tensorflow-master\tensorflow\contrib\

cmake\build\grpc\src\grpc\grpc_unsecure.vcxproj] [D:\soft\python\tensorflow-master\tensorflow\contrib\cmake\build\grpc.vcxproj]

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\include\cinttypes(22): error C2039: “imaxabs”: 不是“`global namespace'”的成员 [D:\soft\python\tensorflow-master\tensorflow\c

ontrib\cmake\build\grpc\src\grpc\grpc_unsecure.vcxproj] [D:\soft\python\tensorflow-master\tensorflow\contrib\cmake\build\grpc.vcxproj]

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\include\cinttypes(22): error C2873: “imaxabs”: 符号不能用在 using 声明中 [D:\soft\python\tensorflow-master\tensorflow\contrib\cm

ake\build\grpc\src\grpc\grpc_unsecure.vcxproj] [D:\soft\python\tensorflow-master\tensorflow\contrib\cmake\build\grpc.vcxproj]

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\include\cinttypes(22): error C2039: “imaxdiv”: 不是“`global namespace'”的成员

服务器上jdk_include添加了，报错：

D:\soft\tensorflow-master\tensorflow\c\python_api.cc(19): fatal error C1083: 无法打开包括文件: “tensorflow/python/framework/c

pp_shape_inference.pb.h”: No such file or directory [D:\soft\tensorflow-master\tensorflow\contrib\cmake\build\tf_c_pyth

on_api.vcxproj]

AI GPU加速云服务器 TensorFlow Windows

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。