为了账号安全,请及时绑定邮箱和手机立即绑定

TensorFlow深度学习(一):环境搭建

本教程使用Windows10系统,个别地方会使用Ubuntu虚拟机,请大家自行选择。

提示:遇到问题,先尝试自己百度查询报错信息,如果实在无法解决再评论。

首先建议你本地的python安装 Anaconda 最新的python3.6版本,这也是TensorFlow建议的,Anaconda给我们集成了很多TensorFlow需要依赖的包,并且在Windows非常难安装成功的包,可以省去很多时间。

不用读系列 [TensorFlow Windows 安装文档]( https://www.tensorflow.org/install/install_windows)

下载 TensorFlow 官方学习模型

下载Google的protobuf,需要下载3.4的版本,如果是3.5的版本,在windows会报错:

object_detection/protos/*.proto: No such file or directory

报错原因如下:

https://github.com/tensorflow/models/issues/2930

protobuf 3.4.0 下载地址:https://github.com/google/protobuf/releases/tag/v3.4.0

protobuf 教程:https://www.ibm.com/developerworks/cn/linux/l-cn-gpb/

解压下载好的 models-master , 把models-master重命名为models,改不改都一样,强迫症系列,受不了那个 -master 进入目录:D:\code\python\TensorFlow\models\research 执行命令:

protoc object_detection/protos/*.proto --python_out=.

预料之中的报错,protoc不能被识别的命令。

因为Windows需要加上 protobuf 的路径:

D:/code/python/TensorFlow/protoc-3.4.0-win32/bin/protoc object_detection/protos/*.proto --python_out=.

如果没有输出任何提示信息,说明成功。

然后在命令行目录 D:\code\python\TensorFlow\models\research下 输入 jupyter notebook 打开 jupyter 编辑器。

然后在 jupyter 编辑器中进入 object_detection 文件夹,然后打开 object_detection_tutorial.ipynb

此时地址栏的地址应该是:

http://localhost:8888/notebooks/object_detection/object_detection_tutorial.ipynb

然后在 jupyter 编辑器选择 :

Cell -> Run All

jupyter

如果运行报错,说明环境没有搭建,如果你没有安装Anaconda,可以看文档搭建环境:

https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md

如果你安装了Anaconda请往下看,上面的文档不用读系列。

TensorFlow 有 CPU 和 GPU 两个版本,根据自己电脑的情况决定安装 CPU 或者是 GPU 的版本:

CPU 版本

pip install tensorflow

GPU 版本

pip install tensorflow-gpu

在这个挖矿都用GPU加速的年代,我们果断选择GPU版本,我的电脑是GTX970显卡,所以在性能上,应该比CPU要高效的多。

可以在后面加参数使用豆瓣源加速安装,命令执行最好在超级管理员权限下运行,避免一些不必要的麻烦。

pip install tensorflow-gpu -i https://pypi.douban.com/simple

如果运行报错:

ImportError: Could not find 'cudart64_90.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Download and install CUDA 9.0 from this URL: https://developer.nvidia.com/cuda-toolkit

说明你的缺少 CUDA,去下面的地址直接下载安装:

https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_win10-exe

系统提示需要9.0就安装9.0的版本,如果你看到的提示是其他版本,就选择其他版本安装。选择精简安装即可,不要修改安装目录,避免不必要的麻烦。

安装完成以后,打开命令提示符,输入 python ,进入python交互界面,输入下面的命令:

import tensorflow as tf

回车以后可能还会报错:

ImportError: Could not find 'cudnn64_7.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Note that installing cuDNN is a separate step from installing CUDA, and this DLL is often found in a different directory from the CUDA DLLs. You may install the necessary DLL by downloading cuDNN 7 from this URL: https://developer.nvidia.com/cudnn

说明还是缺少东西。

活该,早点老老实实用CPU版本的,嘛问题都没有,然而我们对技术的追求就要做到极致,继续搞环境。

继续下载 cuDNN7,如果之前安装的是 CUDA9,那就要下载与之对应的cuDNN版本,不然还是无法使用,我这里下载的是官方配套的7.0.5版本。

这个地址可能需要注册登录NVIDIA。

https://developer.nvidia.com/rdp/cudnn-download#a-collapse705-9

下面的地址是直接下载的7.0.5版本的,如果你的提示也是7版本,就用下面的地址下载。

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.5/prod/9.0_20171129/cudnn-9.0-windows10-x64-v7

下载完成解压以后,把对应的文件复制到 CUDA 的安装目录:

a) Copy <installpath>\cuda\bin\cudnn64_7.dll to C:\Program Files
\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin.

b) Copy <installpath>\cuda\ include\cudnn.h to C:\Program Files
\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include.

c) Copy <installpath>\cuda\lib\x64\cudnn.lib to C:\Program Files
\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

然后重新打开命令提示符,进入python交互环境,输入 import tensorflow as tf 不报任何错误表示成功。

依次在python交互环境输入以下命令:

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

中途可能会打印一些日志信息,不要在意,只要不是报错信息就行,最终会在屏幕上输出:

Hello, TensorFlow!

表示安装 TensorFlow GPU 版本成功。

再次回到我们的jupyter界面,运行 object_detection_tutorial.ipynb

然后,聆听你显卡风扇的声音吧,最终TensorFlow会下载一个基础的学习模型,并运行显示出结果。运行过程中,如果出现下图的错误,不需要在意,不影响正常的运行:

运行TensorFlow报错

最后运行结束应该能看到下面的两张图,说明你所有的环境都可以了~~ 终于可以开始正式进入深度学习的世界了。

TensorFlow官方学习模型

TensorFlow官方学习模型

下一篇: TensorFlow深度学习(二):识别摄像头看到的内容

点击查看更多内容
16人点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消