12
Help us understand the problem. What are the problem?

More than 3 years have passed since last update.

posted at

updated at

[Python]Windows10にTensorflow-GPU+Kerasをインストールする[2017/10/5]

windows10のTensorflow-gpuのインストールにかなり苦戦したのでここにインストール手順を記します。

参考サイト

WindowによりTensorflowとChainerの環境構築with CUDA(GPUあり)
Windows10上にCUDAをインストールしてサンプルプログラムを動かしてみる
Installing TensorFlow on Windows

実行環境

Windows10
Anaconda 3-4.4.0
python 3.6.2
Tensorflow-gpu 1.3.0
CUDA v8.0
cuDNN 6
Visual Studio 2015 community

Visual Studio 2015のインストール

https://my.visualstudio.com/downloads
からVisual Studio 2015 Community版をダウンロードする。適宜ユーザー登録等すること。
ダウンロード (3).png

Visual C++にチェックを入れ、インストール実行。
visual.png

CUDAのインストール

https://developer.nvidia.com/cuda-toolkit-archive
からCUDA Toolkit 8.0 GA2を選択し、ダウンロード画面へ。
ダウンロード.png

インストールタイプにnetworkとlocalを選択できるが、通常はnetwork版を使用。下の確認作業でうまくいかなければlocal版をインストールしてください。(私はlocal版でうまくいきました)
ダウンロード (1).png

インストールには何もいじらず推奨設定のまま実行してください。
w_cuda80_inst1.jpg

cuDNNのインストール

https://developer.nvidia.com/rdp/cudnn-download
でユーザー登録を行い、Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0を選択し、zipファイルをダウンロードする。
ダウンロード (2).png

zipファイルを解凍すると、cuda/bin,include,libフォルダが展開されるため、任意のディレクトリに設置しPATHを通すか、先にインストールしたCUDAディレクトリC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0の同名フォルダへそれぞれ上書きコピーする。

GPU実行環境確認

これまでで、GPU実行環境が正常にインストールされたか調べるため、コマンドプロンプトを起動し
nvcc
コマンドを実行する。
nvcc fatal : No input files specified; use option --help for more information
が表示されれば正常にインストールが完了している。
nvccを認識できなければどこかでインストールが失敗しているため、はじめから環境構築をやりなおして下さい。

Tensorflow-gpu、scipy、Kerasのインストール

Anacondaは既にインストール済みとします。
コマンドプロンプトを起動し
conda create -n tensorflow python=3.6.2
で仮想環境[tensorflow]を作成。
activate tensorflow
で仮想環境に入り、
pip install tensorflow-gpu
conda install scipy
pip install keras

を順次実行。ここまででエラーがでなければうまくいくはず。

最後にpythonの対話モードに入り、import keras
Using TensorFlow backend.と表示されればインストール成功。

終わり

以上で環境構築は終了です。
お疲れさまでした。

追記

Anaconda3-5.0verではscipyのリソースが変わったのかうまくいかないことを確認しました。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Sign upLogin
12
Help us understand the problem. What are the problem?