【2018-12】深度学习环境硬件安装及软件安装教程[Win10+Anaconda5.2.0+Tensorflow+4 RTX2080Ti+Cuda10]

洪峰

本文原写于2018-12 

（转载请注明：转载于洪峰-科学网博客）

1 背景介绍

2018年9月，NVIDIA推出全新旗舰款RTX20系列显卡。该系列显卡基于 Turing GPU 架构和全新的 RTX 平台，其性能表现相较上一代显卡提升最高可达 6 倍，同时为游戏引入了全新的实时光线追踪和 AI 技术。2018年10月，本实验室开始拟搭建深度学习平台，初考虑TITAN XP显卡，但因新一代显卡性能着实有不少提升，故配置上还是选择新卡。不过有点遗憾的是，可能受中美贸易战的影响，此显卡RTX2080Ti购买一直十分紧张。直至十一月中下旬才最终确定购买合同，并于12月3日各部件到达，并准备完成相关组装。下面就硬软件及其使用等方面做出一些说明，以帮助实验室相关课题的研究人员及研究生更好地使用：

表1   平台硬件配置表

2 硬件使用注意事项

2.1 硬件使用基本说明

ü  主机的放置：尽量使GPU显卡竖直放置，避免几块累计压着承受重量。

ü  显示器安装：双显示器（DP接口）均最好插在第一块显卡上；重装系统时，应该连接低分辨率显示器，以避免在未装驱动时分辨率过高无法显示。

ü  上电噪声：因为风扇转速变化时容易产生噪声，另外几块显卡紧挨着，故也容易出现声音。

ü  显卡插拔：中部有各卡扣，应该按住，再往上拔才可。

3软件及驱动说明、下载

3.1 必装软件及驱动

3.2 可选软件

4软件安装及其测试

4.1 安装Tensorflow – CPU 版本

4.1.1 安装Anaconda

   直接点击安装即可，需要考虑的有两点：

1）  如图1 所示选项时，选择不加入环境及利用3.6；

2）  在选择vscode时点击安装，其余无疑问。

图1 

4.1.2 配置Anaconda环境变量

右键我的电脑->属性->高级选项->环境变量->系统变量->path->在path中添加路径：需要添加的有三个，分别为：

~\Anaconda3

~\Anaconda3\Scripts

~\Anaconda3\Library\bin

以我配置的环境变量为例，即：

图2 

至此，anaconda安装完成。打开cmd输入Python，若显示Python版本则说明安装成功，如图。

 图3

4.1.3 安装Tensorflow

打开Anaconda Prompt

4.1.4 安装keras/MinGW

重新进入Anaconda Prompt,

conda install mingw libpython

4.1.5.安装spyder

进入Anaconda Navigator中的Anaconda搜索Spyder，并点击安装。

安装matplotlib

python -m pip install matplotlib

4.1.6 测试

打开Spyder（tensorflow），如图：

 复制keras官网下的实例，http://keras-cn.readthedocs.io/en/latest/getting_started/sequential_model/

import numpy as np

from keras.models import Sequential

from keras.layers import Dense, Dropout

# Generate dummy data

x_train = np.random.random((1000, 20))

y_train = np.random.randint(2, size=(1000, 1))

x_test = np.random.random((100, 20))

y_test = np.random.randint(2, size=(100, 1))

model = Sequential()

model.add(Dense(64, input_dim=20, activation=‘relu‘))

model.add(Dropout(0.5))

model.add(Dense(64, activation=‘relu‘))

model.add(Dropout(0.5))

model.add(Dense(1, activation=‘sigmoid‘))

model.compile(loss=‘binary_crossentropy‘,

              optimizer=‘rmsprop‘,

              metrics=[‘accuracy‘])

model.fit(x_train, y_train,

          epochs=20,

          batch_size=128)

score = model.evaluate(x_test, y_test, batch_size=128)

运行结果如下所示

4.2 安装Tensorflow – GPU 版本

4.2.1 安装显卡驱动

4.2.2 安装VS2015

安装VS2015没什么难度，只有一个选项需要自定义，别的选项都可以使用默认值。VS2015的默认安装不包括C++的编译器，必须手动勾选Visual C++，不然会面临后续的CUDA编译错误。主要原因是VS2015在安装时并没有默认安装C++的编译器，也就是CL.exe。

python

import tensorflow as tf

tf.__version__

4.2.3 安装CUDA

安装CUDA前请务必确认VS2015安装成功！这个时候你需要安装CUDA，双击我们下载的安装文件即可，一切都选择默认即可。

4.2.3 验证CUDA安装

4.2.3.1 查看cuda安装情况

打开命令行，也就是cmd然后输入“nvcc -V”，如果安装正确的话你应该看到这样的输出：

用GPU加速深度学习: Windows安装CUDA+TensorFlow教程

输出中显示了CUDA的版本

4.2.3.2 使用VS和CUDA编译测试文件

利用everything搜索“C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0”文件夹中的 “Samples vs2015”这个文件，然后再双击打开。选择编译生成1_Utilities中所有的文件。具体操作就是在1_Utilities上右键选择Build，注意红框部分的64位和Release：

如果右边不可用，则可以点击安装vc++必要组件即可运行。

4.2.3.3 deviceQuery和bandwidthTest验证

在powershell中运行我们刚才编译出来的deviceQuery.exe，也就是在cmd中运行这个文件，下图中左下的红框显示 result = pass代表安装测试成功，

运行我们刚才编译出来的bandwidthTest.exe，方法一样，也是关注是否result = PASS。

4.2.4 安装CuDnn

解压缩我们下载的CuDnn文件，得到3个文件夹：bin, include, lib。将这个三个文件夹复制的内容复制到“C:\ProgramData\NVIDIA GPU Computing Toolkit\v10.0”对应的文件夹中。

此外，打开系统环境变量设置，以Win10为例，确认CUDA_PATH和CUDA_PATH_V10.0已经存在，手动添加 “C:\ProgramData\NVIDIA GPU Computing Toolkit\v10.0\bin”到Path里面。

4.2.5 安装tensorflow-gpu版本

这一步与4.1的各步骤都是类似的。

conda create --name tensorflow-gpu python=3.6

activate tensorflow-gpu

随后，则安装tensorflow-gpu，命令为pip install tensorflow-gpu（如果出现已安装等提示，则使用pip install --ignore-installed tensorflow_gpu即可。）

此时，如果导入tensorflow:

import tensorflow as tf

则会报如下错误：

这可能是因为tensorflow1.12与CUDA10.0不兼容引起的。

4.2.6 装补丁

官方没提供，民间大神来搞定，到这里https://github.com/fo40225/tensorflow-windows-wheel下载符合条件的tensorflow的whl文件（说明详见连接页面）。 然后利用tensorflow-gpu环境下，对其进行编译：

 pip install 文件名.whl

例如，我这里将其放置于C:\Users\ioacasDL下，然后

pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

至此，所有步骤均已完成 。

4.2.7 测试代码

import tensorflow as tf

#

with tf.device('/cpu:0'):

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

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

with tf.device('/gpu:0'):

    c = a+b

with tf.Session() as sess:

     print(sess.run(c))

      5 其他问题

5.1 win10-DPC错误：dpc watchdog violation  

更新驱动可解决，与win10系统兼容性有关。

5.2 AttributeError: module ‘pip’ has no attribute ‘main’如何解决？

如果cpython解释器上的版本已经升级到10的话 在cmd命令行中输入以下命令重新安装其他版本的pip 

python -m pip install --upgrade pip==9.0.3  --user

 5.3 TypeError: Type already registered for SparseTensorValue 

  这可能涉及GPU的运行机制，每次运行完都应重启console，这样可解决下面的问题。