標籤：

python3.6.1及TensorFlow和PyTorch

01-24

Win10下安裝python3.6.1及TensorFlow和Torch

工欲善其事必先利其器，之前寫過一個Windows下安裝TensorFlow的文檔，環境是python3.5.2，TensorFlow版本是0.12，由於開發的需要，現在需要安裝Torch，有Windows下支持torch的python版本是3.6以上的版本，所以本人選擇安裝python3.6以上的版本，本文檔主要介紹了python3.6.1的安裝、TensorFlow-GPU（1.4.0）、torch（0.3）以及keras（2.1.2）等框架的安裝。由於Torch在Windows下只支持python3.6以上的版本，而TensorFlow之前也只支持python3.5的版本，本文檔整合了版本衝突問題。

一、首先安裝python3.6.1

本人採用的是原生安裝python，未採用Anaconda集成安裝，首先下載python3.6.1,下載地址：python.org/downloads/wi，根據系統選擇需要的版本。

安裝過程不再贅述，安裝成功後：

查看python3.6.1自帶的庫：pip list 默認的只有兩個庫，我們需要什麼庫就要自己安裝庫。

二、CUDA及CUDNN的安裝配置

TensorFlow有兩個版本CPU和GPU版本。GPU版本需要安裝CUDA和cuDNN的支持，CPU版本直接安裝即可。首先查看電腦是否支持CUDA。確保你的Python版本是3.6.1，64位。確保你有穩定的網路連接。確保你的pip版本 >= 8.1。用 pip -V 查看當前 pip 版本，用 python -m pip install -U pip 升級pip 。

然後可以開始下載 CUDA 和 cuDNN 的安裝包了，注意版本號分別是 CUDA 8.0 和 cuDNN 5.1，這是 Google 官方推薦的，這裡不多做介紹。官網下載所需要的包。

本人的電腦支持GPU：

CUDA安裝配置：

本人的機器支持GPU，所以我安裝的是GPU版本。

安裝CUDA8.0

將下載的文件解壓，運行安裝程序，安裝過程屏幕可能會閃爍，安裝時間有點長。安裝之後系統變數會自動為你添加上。

測試一下是否安裝成功，命令行輸入nvcc –V ，看到版本信息就表示安裝成功了。

安裝cuDNN5.1

cuDNN是壓縮包，解壓之後放在需要存放的位置，然後添加環境變數到path里。

配置環境變數path：

按照官方的安裝步驟實際上這裡已經完成了。

二、Python3.6.1安裝各種框架及庫

由於python3.6.1默認的庫只有兩個，所以很多框架以及庫需要我們自己安裝，常用的庫如numpy、matplotlib、six、scipy、scikit-learn、pandas、spyder等，機器學習及深度學習框架如keras、theano、TensorFlow、torch等。

使用pip命令安裝：pip install 庫名，如下所示：

pip install numpy Scrapy

pip intsall scipy matplotlib pyqt5

下載whl文件安裝，下載地址：lfd.uci.edu/~gohlke/pyt 選擇自己需要的庫相對應的版本。

安裝命令：pip install 文件，如下所示：

在安裝Scrapy會出現錯誤，先安裝

下載地址：lfd.uci.edu/~gohlke/pyt

在選擇安裝numpy庫的時候注意要下載numpy+mkl版本：

以上是常用庫的安裝，選擇自己需要的去安裝。附錄是本人的安裝庫。

三、安裝TensorFlow以及Torch

1.首先安裝TensorFlow及相關庫

直接使用命令：pip install tensorflow-gpu 安裝，默認安裝最新的版本。若不支持GPU的可以使用：pip install tensorflow 來安裝。

安裝tensorlayer命令：pip install tensorlayer

安裝完成後測試如下：

如上圖所示TensorFlow安裝完成。

2.安裝Torch及相關庫

首先下載Torch的安裝庫文件，下載地址：pan.baidu.com/s/1jIiWNE

選擇如下圖紅色框中的文件：

使用pip命令安裝：

pip install torch-0.3.0b0+591e73e-cp36-cp36m-win_amd64.whl

安裝torch的其他庫：

pip install visdom

pip install dominate

pip install torchvision

安裝完成後測試如下圖所示：

表示Torch安裝完成。註：由於剛開始安裝時本人的顯卡驅動版本太舊，不支持Torch，需要更新的到最新。這個也看情況，注意你的顯卡驅動版本。

3.安裝keras和scikit-learn等

這些庫比較容易安裝，直接使用命令就可以安裝：

pip install keras

pip install scikit-learn

安裝之後測試;

四、總結

學習的過程就是一個不斷的總結過程，在遇到各種問題時，能夠解決問題，找到問題的解決方案，這就是一個進步，之前在安裝部署的過程中就會遇到很多問題，然後一點點的解決這些問題，積累下來的就是經驗。之前在安裝TensorFlow的時候花費了很多時間，版本衝突、庫文件不匹配等，現在把這些過程記錄下來，希望能夠帶來幫助。

附錄：

alabaster (0.7.10)

asn1crypto (0.24.0)

astroid (1.6.0)

attrs (17.3.0)

Automat (0.6.0)

Babel (2.5.1)

bleach (1.5.0)

certifi (2017.11.5)

cffi (1.11.2)

chardet (3.0.4)

colorama (0.3.9)

constantly (15.1.0)

cryptography (2.1.4)

cssselect (1.0.1)

cycler (0.10.0)

decorator (4.1.2)

docutils (0.14)

dominate (2.3.1)

entrypoints (0.2.3)

enum34 (1.1.6)

html5lib (0.9999999)

hyperlink (17.3.1)

idna (2.6)

imagesize (0.7.1)

incremental (17.5.0)

ipykernel (4.7.0)

ipython (6.2.1)

ipython-genutils (0.2.0)

isort (4.2.15)

jedi (0.11.1)

Jinja2 (2.10)

jsonschema (2.6.0)

jupyter-client (5.2.0)

jupyter-core (4.4.0)

Keras (2.1.2)

lazy-object-proxy (1.3.1)

lxml (4.1.1)

Markdown (2.6.10)

MarkupSafe (1.0)

matplotlib (2.1.1)

mccabe (0.6.1)

mistune (0.8.3)

nbconvert (5.3.1)

nbformat (4.4.0)

networkx (2.0)

numpy (1.13.3+mkl)

numpydoc (0.7.0)

olefile (0.44)

opencv-python (3.3.1+contrib)

pandas (0.21.1)

pandocfilters (1.4.2)

parsel (1.2.0)

parso (0.1.1)

pickleshare (0.7.4)

Pillow (4.3.0)

pip (9.0.1)

pluggy (0.6.0)

prompt-toolkit (1.0.15)

protobuf (3.5.1)

psutil (5.4.2)

py (1.5.2)

pyasn1 (0.4.2)

pyasn1-modules (0.2.1)

pycodestyle (2.3.1)

pycparser (2.18)

PyDispatcher (2.0.5)

pyflakes (1.6.0)

Pygments (2.2.0)

pylint (1.8.1)

pyOpenSSL (17.5.0)

pyparsing (2.2.0)

PyQt5 (5.9.2)

pytest (3.3.1)

python-dateutil (2.6.1)

pytz (2017.3)

PyWavelets (0.5.2)

PyYAML (3.12)

pyzmq (16.0.3)

QtAwesome (0.4.4)

qtconsole (4.3.1)

QtPy (1.3.1)

queuelib (1.4.2)

requests (2.18.4)

rope (0.10.7)

scikit-image (0.13.1)

scikit-learn (0.19.1)

scipy (1.0.0)

Scrapy (1.4.0)

service-identity (17.0.0)

setuptools (28.8.0)

simplegeneric (0.8.1)

sip (4.19.6)

six (1.11.0)

snowballstemmer (1.2.1)

Sphinx (1.6.5)

sphinxcontrib-websupport (1.0.1)

spyder (3.2.4)

tensorflow-gpu (1.4.0)

tensorflow-tensorboard (0.4.0rc3)

tensorlayer (1.7.2)

testpath (0.3.1)

Theano (1.0.1)

torch (0.3.0b0+591e73e)

torchfile (0.1.0)

torchvision (0.2.0)

tornado (4.5.2)

traitlets (4.3.2)

Twisted (17.9.0)

urllib3 (1.22)

visdom (0.1.6.5)

w3lib (1.18.0)

wcwidth (0.1.7)

Werkzeug (0.13)

wheel (0.30.0)

wrapt (1.10.11)

xgboost (0.6+20171121)

zope.interface (4.4.3)


推薦閱讀：

※PyTorch初探遷移學習

TAG:PyTorch |