Windows下編譯tensorflow-gpu教程

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

官方文檔：

1.?在windows下安裝tensorflow

2.?在windows下編譯tensorflow(cmake)

首先是系統(tǒng)配置：

OS：Windows Server 2012 R2(相當(dāng)于Windows 8)

GPU：NVIDIA Quadro K1200

然后是各種軟件版本：

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?yàn)槠淠J(rèn)python版本為3.5.2)

cmake 3.9.1

swig 3.0.12

一、安裝CUDA

二、安裝tensorflow-gpu

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

在CUDA_PATH后面添加bin和lib\x64路徑

將cudnn64_7改為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、編譯tensorflow-gpu

一些說明：使用pip或anaconda等方式安裝的預(yù)編譯好的tensorflow沒有AVX2指令集加速，通過手動(dòng)編譯可以更好的利用GPU。但是如果沒有AVX或者GPU的話，手動(dòng)編譯幾乎沒有優(yōu)勢(shì)。

官方只提供了Ubuntu和Mac OS X的編譯支持，在Windows下可以通過Bazel和CMake兩種方式進(jìn)行編譯，但只是 “highly experimental”，可能會(huì)遇到各種錯(cuò)誤。下面使用CMake來進(jìn)行編譯。

Cmake 3.5以上

Git

swig

swig安裝方法：

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

2 解壓 .zip 文件到目錄，比如：D:\backupsoftware

3 添加環(huán)境變量到path， 比如： D:\backupsoftware\swigwin-2.0.9

4 添加環(huán)境變量?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，注意這個(gè)目錄。

簡(jiǎn)單測(cè)試安裝是否成功：

打開Dos，在命令行執(zhí)行： swig --help, 顯示 Target Language Options即表明安裝成功。

Windows下的額外要求：

Visual Studio 2015

Python 3.5

Numpy 1.11.0 or later

命令行執(zhí)行：set PreferredToolArchitecture=x64

進(jìn)入目錄?C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\，運(yùn)行命令?vcvarsall amd64，從64位命令行編譯到64位的目標(biāo)平臺(tái)。執(zhí)行這一步可以避免編譯的時(shí)候出現(xiàn)內(nèi)存不足的錯(cuò)誤。

將CUDA dlls和cuDNN dll添加到環(huán)境變量：

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

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

將Cmake和git添加到環(huán)境變量

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顯卡，且安裝好了cuDNN,那么可以添加以下參數(shù)：

More? -Dtensorflow_ENABLE_GPU=ON ^

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

1

2

3

使用以下命令產(chǎn)生.whl文件

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

1

還有一種命令： MSBuild /p:Configuration=Release /p:Platform=x64 tf_python_build_pip_package.vcxproj

編譯成功后，whl路徑；

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

遇到的問題：

點(diǎn)擊生成解決方案，編譯的時(shí)間很長(zhǎng)，我的筆記本電腦編譯一次大概3到4個(gè)小時(shí)，編譯到最后一般都會(huì)報(bào)錯(cuò)

fatal error C1060: compiler is out of heap space?沒關(guān)系，等待整個(gè)工程全部編譯完成（據(jù)說內(nèi)存特別大的電腦不會(huì)報(bào)）

error C2001: newline in constant

打開對(duì)應(yīng)的文件發(fā)現(xiàn)出現(xiàn)了亂碼，google之后發(fā)現(xiàn)可以通過修改locale為 英語(美國) 來解決。

編譯過程中下載失敗或者 git clone緩慢

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。當(dāng)然也可以嘗試手動(dòng)下載到對(duì)應(yīng)的目錄。

我這里的報(bào)錯(cuò)：

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\include\cinttypes(20): error C2039: “imaxdiv_t”: 不是“`global namespace'”的成員 [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”: 符號(hào)不能用在 using 聲明中 [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'”的成員 [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”: 符號(hào)不能用在 using 聲明中 [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'”的成員

服務(wù)器上jdk_include添加了，報(bào)錯(cuò)：

D:\soft\tensorflow-master\tensorflow\c\python_api.cc(19): fatal error C1083: 無法打開包括文件: “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加速云服務(wù)器 TensorFlow Windows

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實(shí)的內(nèi)容，請(qǐng)聯(lián)系我們jiasou666@gmail.com 處理，核實(shí)后本網(wǎng)站將在24小時(shí)內(nèi)刪除侵權(quán)內(nèi)容。