一 环境介绍

使用了微软AZURE平台， 机器配置如下：

 

显卡为：NVIDIA Tesla M60

 

在Tesla系列中，该显卡加速器得分5.2分，中规中矩。不算最高的，但是比K系列的明显高出不少。

M60 GPU，拥有16 users ， 2048 CUDACore per GPU。 8GB GDDR5 memory。

处理器为：Intel Xeon CPUE5-2690 V3@2.6GHz 6核处理器，单核处理器主频为2.6G。

显卡为NVIDIA Tesla M60.

内存为56GB

操作系统为64位，Windows2012r2.

 

二 配置步骤

1 安装Nvida显卡驱动（NVIDIATesla M60）

下载地址：

https://docs.microsoft.com/zh-tw/azure/virtual-machines/windows/n-series-driver-setup

 

安装完成后将可在设备管理器查看到该设备。

2 安装CUDATookit9.1

相关工具包下载地址：

https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=Server2012R2&target_type=exenetwork

 

先安装Base installer ,再安装Patch1,Patch2,Patch3.

（备注：期间遇到了下载不成功的情况，后通过了微软的内部网络下载，速度奇快啊！，在线安装不成的话可使用离线安装，local方式。）

 

查看安装CUDA是否成功，输入指令：nvcc-V（管理员身份运行，左边的Tensorflow是安装了Anaconda之后激活Tensorflow的结果，不激活也可以，直接打开运行cmd输入该指令一样可以查看CUDA版本），最后一行显示了CUDA版本

 

 

3 安装cuDNN下载（注册后可下载）

3.1 下载

https://developer.nvidia.com/rdp/cudnn-download#a-collapse705-91

 

注意：官网没有针对window2012r2版本的，经过实测，可用window7版本的cuDNN的V7.1.3.

3.2 安装

   下载完成，cuDNN下有3个文件夹

CUDNN 文件的bin、 include 及lib下单文件全部复制到C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.1文件下覆盖

 

cuda安装完成后默认的环境变量配置不对，CUDA_PATH是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,但是这样不能直接访问到bin和lib\x64下的程序包，

在path中加上这两个路径即可。

C:\ProgramFiles\NVIDIA GPU Computing Toolkit\CUDA\v9.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\lib\x64

 

 

3 搭建tensorflow环境

3.1 安装anaconda3.4.1

         本人安装的Anaconda3-4.1.0-Windows-x86_64.EXE。文件可以在官网上下载。安装好后

1）输入指令（注意这里是py3.6）：condacreate -n tensorflow python=3.6

2）激活Tensorflow：activatetensorflow

3）之后就是安装.whl文件

   注意如果在anaconda的环境下通过 pipinstall --ignore-installed --upgrade tensorflow-gpu

那么在import tensorflowas tf会报错，显示OSError: [WinError XXX] 找不到指定的模块/Could notfind 'cudart64_90.dll'.这是因为目前的Tensorflow最多支持到CUDA9.0，这时很绝望。因为目前的最新的pip版本的安装的tensorflow-gpu版本最高支持CUDA9.0

 

这里通过上网查到有大神编译的.whl文件好使。链接：https://pan.baidu.com/s/1dGSmo29密码：fwet

下载完成后请复制到C:\Windows\System32文件夹底下（其实，不用，实测在任一目录下都可以，不过推荐在该目录下）

 

通过管理员身份在运行cmd，这样在windows2012r2下才能进入C:\WINDOWS\SYSTEM32下。

4）之后输入指令：pip install tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl

5）安装成功

 

6）测试Tensorflow

a.命令行输入：python进入编辑环境

b.输入以下指令：

importtensorflow as tf

hello =tf.constant('hello,TensorFlow!')

sess =tf.Session()

print(sess.run(hello))

 

4 测试--模仿梵高绘画

1）neural-style下载
在这个github网站下载相应代码：https://github.com/anishathalye/neural-style

 

安装包： pip installPillow（运作该demo需要的包）

 

2）下载vgg19：
http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

3）把vgg放到neural-style的文件夹根目录下

 

4）运行 pythonneural_style.py –content  ./example/1-content.jpg  --styles ./example/1-style.jpg --output ./example/1-output.jpg

 

5）结果：

GPU加速只是需要2分32秒！！

 

没用GPU加速度时间约为45分钟！！

 

 

总结：

本文基本完整的描述了基于window2012r2 ，NVDIA M60 GPU环境下的python3.6环境的tensorflow-GPU环境的安装。使用的cuda9.1  cuDNN7.1.3版本（注意：使用官网window7系统的版本）， 后由于通过anaconda安装的tensorflow-gpu只支持CUDA9的工具包，因此使用了大神编译好的whl文件安装tensorflow-GPU环境，最终能够支持CUDA9.1, 并最终完成了环境的安装和部署。