TensorFlow环境搭建（Win7-VS2015-DirectXSDK-CUDA8-Anaconda3-cuDNN6-TensorFlow120）

目标是从零开始搭建TensorFlow(CPU/GPU)环境。

经过几天奋战，遇到了许多问题，查找了很多网友的资料，有些问题搞清楚了原因，有些问题没有明确具体原因，但给出了分析和可能的解决方案，并留待以后继续分析，也希望高手不吝赐教。这里把我从安装Win7系统到搭建完成TensorFlow环境的完整过程整理出来，与大家分享。PC的配置、系统版本可能不同，仅当参考，如果能对有共同志趣的朋友有帮助，就最好不过了。

在安装和搭建过程中，有些参考文章写得很详细，这里对这些无私分享的网友表示感谢。需要说明的是由于机器环境差异，没有那一篇文章单独指导我解决了所有问题，因此我撰写步骤时尽量把环境、版本号写出来，在引用其他网友内容的地方都给出了链接地址，大家可以链接查看，如果自己搭建时与本文的结果不同，希望能多搜索解决方法，相信最终会解决问题。

机器是lenovoideapad Y700，CPU型号i7-6700HQ，独立显卡NVIDIA GTX 960M，支持DirectX 12，安装Windows 7 64位操作系统。

搭建TensorFlow环境的步骤简述：

(如无特别说明，均为64位版本，系统没有问题的，可以从step6开始)：

1.安装Windows 7操作系统。

2.安装Lenovo联想驱动管理软件，补全各种驱动。

3.安装驱动精灵，补全无线网卡驱动。

4.安装常用软件，包括Office，PDF，Lingoes等。

5.备份系统。

6.安装VS2015。

7.安装DirectX SDK。

8.安装DDU(Display Driver Uninstaller)，自动卸载当前显卡驱动。

9.安装CUDA8.0及其测试。

10. 安装CUDNN6.0

11.安装Anaconda3-5.2.0。

12. 安装TensorFlow-CPU/GPU及其Spyder(…)插件并测试。

步骤详细介绍：

1.安装操作系统。

之前为了搭建TF环境，卡在安装CUDA这一环，提示VisualStudio Integratio安装失败，反复安装卸载VS2015，导致VS打开后没有反应，经查需要重装系统。安装系统使用的是某宝系统备份优盘，安装后显示该系统是for AMD，而非for Intel，此问题通过电脑管家自动发现并解决。

2.安装Lenovo联想驱动管理软件，补全各种驱动。

安装系统后，多个硬件没有驱动，百度找到Lenovo联想驱动管理软件，自动检测并安装了大部分驱动，只有无线网卡驱动，能检测下载，就是装不上，如果你也遇到类似问题，请到step3，否则跳至step4。

3.安装驱动精灵，补全无线网卡驱动。

4.安装常用软件，包括Office，PDF，Lingoes等。

5.备份系统(方法自行百度)。

6.安装VS2015。

最早安装的是VS2013，但是在链接[1]中提到13版会导致没法生成sharedlibrary的问题，我没有亲测，由于好找资源，还是先接受建议卸载VS2013，改为安装VS2015。链接[1]建议VS2015专业版的就够用，安装时候不要选默认安装，在自定义中把有关C++开发的都选上。我没做区分，直接选自定义，choose all，见笑了！

注意，如果这里选默认设置，则可能在step9安装CUDA时发生“Visual Studio Integration”组件安装错误而导致CUDA安装失败。

资源链接：

VS2015官方下载地址：

https://www.visualstudio.com/en-us/downloads/download-visual-studio-vs

VS2015官方下载地址（个人免费版）：

http://news.mydrivers.com/1/439/439398.htm

参考链接[1]也给出了相关资源官网地址或网盘信息，感谢作者的无私分享。

7.安装DirectX SDK。

参考链接[1]建议安装June-2010版本，比较详细的安装步骤见链接https://blog.csdn.net/icbm/article/details/53048580。如果出现“S1023”错误，表示版本较低，可参考https://blog.csdn.net/yy649487394/article/details/45075167解决。安装完成后，检查安装目录下是否有”d3dx9.h”、”d3dx10.h”、”d3dx11.h”这些头文件，默认的安装目录是C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)，有表示安装成功。

资源链接：

百度网盘：https://pan.baidu.com/s/1geRxSTd

8.安装DDU(Display DriverUninstaller)，自动卸载前面步骤安装的显卡驱动。

在重装系统后，安装CUDA8.0时，又出现新的错误，组件栏中显示“Visual Studio Integration”组件已安装，而“图形驱动”安装失败，此时用参考链接[3]给出的方法解决了问题。需要完全卸载之前的显卡驱动，而在利用控制面板或电脑管家都不能完全卸载，可以在安全模式下用DDU自动卸载（如下图）：

9.安装CUDA8.0及其测试。

查到的资料有建议安装CUDA8.0版本，我下载了两个版本，补丁文件最好一起下载。资源链接：https://developer.nvidia.com/cuda-downloads。

这里先安装了8.0。一般情况下，按上述步骤的配置进行，不会出错。安装完成后最后做一个测试，可参考链接[1]，不熟悉VS的朋友可以在cmd窗口输入C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi.exe，如果得到GPU运行时的监测界面，表示成功。

这一步如果安装失败，可能的原因有VS、显卡驱动或者系统原因，参考解决方法如下：

（1）检查系统设置。右键计算机>管理>服务和应用程序>服务，找到“WindowsInstaller”，如果没有启动，右键选择“启动”，确认后重装CUDA。

（2）如果CUDA安装失败，组件栏中显示“VisualStudio Integration”组件失败，建议重装VS2015，选自定义配置，增选与C++有关的选项，或者全选（占45G空间），之后再安装CUDA。

（3）如果CUDA安装失败，组件栏中显示“VisualStudio Integration”组件已安装，而“图形驱动”安装失败，这时下载并用DDU卸载显卡驱动，再安装CUDA。

（4）如果还不行，可以尝试参考链接[4]中更改CUDA安装配置的方法绕过去，但是我对文中基础篇方法做过尝试，并没有解决问题。

（5）重装系统，再来一遍（想起一本书名《少有人走的路》）。由于反复装卸VS，导致VS打开后不能正常使用，网上建议重装系统…

PS：有的文章在安装CUDA之前还要装NVIDIA的显卡驱动，其实不用，可以忽略，从我安装情况看，应该是CUDA自带有显卡驱动。只需查看自己电脑的显卡型号是否支持CUDA，可以登陆NIVIDIA网站https://developer.nvidia.com/cuda-gpus查看支持CUDA的显卡型号，比如我的是NVIDIAGeForce GTX 960M。

10安装CUDNN6.0

参考https://download.csdn.net/download/frank897572008/10407851，cuDNN v6.0win7 x64版与CUDA8.0配套使用，2018-05-11 上传大小：70.18MB cudnn6.0cuda8.0分享

使用方法：解压，把 bin，include 和 lib 三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 目录下，和原先的目录直接合并就可以了。

11.安装Anaconda3-5.2.0。

有不少网文建议安装Anaconda3-4.2.0，因为对应的是Python3.5，对TensorFlow支持较好，比如参考链接[5]，建议使用Anaconda3-4.2.0-Windows-x86_64版本，这版的python3.52对tensorflow支持最好（目前来看），但那篇文章是2017年5月份的。我下载了多个版本，这里安装5.2.0版本，对应Python3.6，但可以添加Python3.5环境，给大家当个小白鼠。安装教程很多，这里只提醒两点：

（1）添加路径问题。可以在安装时勾选添加到系统路径环境变量，也可以先不勾选，装完后收到添加路径，5.2.0版本会在勾选添加路径时提示此举或将导致后续问题（4.2.0版则没有），所以建议装完后手动添加路径。

（2）手动添加路径问题。右键我的电脑>属性>高级系统设置>环境变量，点击环境变量>系统变量>path，双击path，添加三个路径（以我的为例子）：“G:\SWinstall\Anaconda3; G:\SWinstall\Anaconda3\Scripts; G:\SWinstall\Anaconda3\Library\bin”。注意不要有空格（CtrlC&CtrlV容易出现空格，导致莫名其妙的问题，别问我怎么知道的）；均使用英文输入状态。如果是默认安装路径，则添加C:\Users\Administrator\Anaconda3;C:\Users\Administrator\Anaconda3\Scripts; C:\Users\Administrator\Anaconda3\ Library\bin

资源链接1：https://www.anaconda.com/download/#windows

资源链接2：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.2.0-Windows-x86_64.exe

12.安装TensorFlow-CPU/GPU及其Spyder(…)插件并测试。

（1）先设置 Anaconda仓库镜像。

因为默认连接的是国外镜像地址，下载速度比较慢，我们把镜像地址改为清华大学开源软件镜像站，打开 Anaconda Prompt, 输入：

conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

如果出现以下信息“Warning:’https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/’already in ‘channels’list,moving to the top”，应该是默认有了此路径，可以不理会。

（2）配置python3.5。

先查看当前conda和python版本，打开AnacondaPrompt，输入指令：conda --version回车，显示4.5.4，再输入python--version回车，显示3.6.5，输入condainfo --envs查看conda环境，也没有python35，说明需要配置python3.5，否则在开始菜单启动spyder(tensorflow-cpu)时无法正常启动。

参考链接[6]给出了解释和方法。Anaconda的默认环境是python3.6的，而TensorFlow目前支持的是python3.5的，所以我们就需要在Anaconda上配置python3.5的环境。
在cmd中输入>conda create --name python35 python=3.5，之后再输入指令condainfo –envs可见当前环境增加了python35：

如果输入“conda create--name python35 python=3.5”指令后有以下报错：

错误信息CondaHTTPError:HTTP000 CONNECTION FAILED for url <https://mirrors.tuna....> 原因是一个叫.condarc的文件的错误。解决方法如下(参考链接https://blog.csdn.net/qq_30354455/article/details/62926035)：

stepA下载everything搜索软件http://www.voidtools.com/

stepB之后安装并打开everything，之后搜索“.condarc”

stepC用记事本打开并编辑.cindarc文件，改成如下内容后，保存并关闭。

channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true

（3）以管理员身份打开 Anaconda Prompt，创建 TensorFlow 的conda计算环境。输入>activatepython35切换到python35的环境。

输入命令：conda create -n tensorflow-cpu python=3.5，之后输入y并回车。安装完毕再查看环境，增加了tensorflow-cpu。

（4）激活TensorFlow环境。输入命令：activate tensorflow-cpu。

（5）安装TensorFlow。

参考链接[1,2,5]共有四种方法，这里汇总并作适当改动。

A．输入命令： pip install tensorflow （纯cpu）。[5]

B．或输入命令：pip install --ignore-installed–upgrade https://storage.googleapis.com/tensorflow/win/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl。[5]

C．或输入命令：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.2.1-cp35-cp35m-win_amd64.whl。[2]（注意tf版本为1.2，TensorFlow1.2版本已经支持Python3.6）

D．离线安装：先下载安装包，在tensorflow_cpu‑1.1.0‑cp35‑cp35m‑win_amd64.whl对应目录下输入命令：pipinstall tensorflow_cpu-1.1.0-cp35-cp35m-win_amd64.whl.[1]

建议按C命令，不用额外下载，速度快，不会报错。A和B肯能会报错或者很慢。

TensorFlow资源链接1：https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/

TensorFlow资源链接2：https://www.lfd.uci.edu/~gohlke/pythonlibs/

tensorflow‑1.7.0‑cp36‑cp36m‑win_amd64.whl

tensorflow‑1.4.0‑cp35‑cp35m‑win_amd64.whl

（4）测试TensorFlow。

先进入Python3.5，输入：python，进入python，会显示python的版本是3.5.2。输入测试命令： import tensorflow as tf，没有报错表示成功。敲黑板！！！如果输入“importtensorflow as tf”报错说“ImportError:No module named ‘tensorflow’”，则到第（5）步。

（5）在AnacondaNavigator 的环境设置中安装tf环境

打开AnacondaNavigator，进入Environments，此时应显示第（2）步和第（5）步创建的python35环境和TensorFlow-cpu环境，我先不用这些环境，而是另外创建一个。点击创建create按钮，在对话框输入Name（比如mypy35tf）和选择Packages:python3.5。输完后右下角create按钮变成绿色，点击后等待，创建环境mypy35tf完成后可以在环境栏看到新增mypy35tf。

选择环境mypy35tf，在选择框中选择未安装NotInstalled，并在右侧包列表选择tensorboard、tensorflfow、tensorflfow-base、tensorflfow-gpu、tensorflfow-gpu-base五项，点击Apply，系统自动配置25项安装包，再点击Aplly自动安装。

安装完成后点击mypy35tf环境中的OpenTerminal，在命令框中进行输入测试代码进行测试，在首次输入第三句“sess=tf.Session”时，会提示错误信息（不清楚原因，第二次测试就没有了，请大神帮助解释），并弹出显卡问题，继续输完测试代码，可以正常显示结果。

到目前为止，tf环境配置完毕，但是只能在命令行使用，如需在spyder中编辑调试代码，还需安装相应的spyder。

（5）安装Spyder(mypy35tf)插件

在先前安装的Anaconda下Spyder（打开左上角显示Python3.6）中，输入该测试指令会报错：No module named tensorflow。是因为没有安装Spyder(tensorflow-cpu)插件。先退出python环境，输入exit()，再输入命令：conda install spyder，显示如下安装包信息，确认并安装。

完成后生成一个spyder(mypy35tf) ，之后查看开始/程序/Anaconda3下多出Spyder(mypy35tf) 及其Reset。点选后出现Spyder3(左上角显示python3.5)，输入测试程序运行正常。

先使用测试代码，检查spyder环境可以正常使用。这里提供一段代码，检测gpu能够使用，代码来自[7]。

#打开Spyder(mypy35tf) ，输入测试脚本：
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))
#正确的话，会输出：
#Hello, TensorFlow!

# TF-cpu和TF-gpu的测试代码：
#   计算图的使用：定义一个求和计算
import tensorflow as tf
a = tf.constant([1.0,2.0],name="a")
b = tf.constant([2.0,3.0],name="b")
result = a + b
print(result)
# 通过设定默认会话计算张量的取值
sess = tf.Session()
with sess.as_default():
print(result.eval())#   计算图的使用：将上述求和计算跑在GPU上
import tensorflow as tf
a = tf.constant([1.0,2.0],name="a")
b = tf.constant([2.0,3.0],name="b")
# 计算图可以用tf.Graph.device函数来指定运算的设备
g = tf.Graph()
# 制定计算运行的设备
with g.device('/gpu:0'):result = a + b
print(result)
# 通过设定默认会话计算张量的取值
sess = tf.Session()
with sess.as_default():
print(result.eval())

首次运行gpu运算时出现下面问题，后面运行不会出现，不影响代码执行，可点击确定（请大神解释！）

后记

至此，经过一个多星期的尝试，终于以一种非常规的方法，实现了TensorFlow环境的配置，有两个问题必须mark一下。

一是，许多参考书和网上安装教程所依据的系统环境配置不同、更新的时间不同，各种软件版本、安装套路会有很大出入，有的简单，有的繁琐，但是没有一个文章单独帮助我从头走到尾。由于是初学，因此走的路是磕磕绊绊，干的活是修修补补，给出的安装步骤显得不够简洁，但是作为一种经验尤其是对一些问题的解决办法，放在这里仅提供参考，其中有不少问题还没有分析透彻，还需要高手的指点。

二是，本次安装参考的书本和网文大多是2017年以前的，涉及到的python3.5和CUDA8.0等是相对较老的版本，截至2018年7月，TensorFlow版本已经更新到1.7.0，支持python3.6，CUDA9.1以及CUDNN7.1。我相信，新的版本和环境搭建应该会更加简洁高效，也希望同行的网友不吝赐教，分享信息，共同进步。

参考网络资源

[1] https://blog.csdn.net/simple84672642/article/details/78216394?locationNum=3&fps=1

《win7+vs2015+cuda8.0+cudnn5.1+caffe+tensorflow+keras环境搭建》

[2] https://blog.csdn.net/love666666shen/article/details/77099843

《Windows 7下通过anaconda安装tensorflow》

[3] https://blog.csdn.net/bingo_6/article/details/80114440

《安装CUDA 9.0时，NIVDIA安装程序失败，解决方法。win10+vs2017+python3.6+cuda 9.0+cudnn 7.0+tensorflow 1.5》

[4] https://blog.csdn.net/zzpong/article/details/80282814

CUDA安装失败解决方法

[5] https://blog.csdn.net/lijihw_1022/article/details/72731030

《win7 X64 安装tensorflow 并使用 spyder 教程》

[6] https://blog.csdn.net/r1254/article/details/76735740

[7]郑泽宇，梁博文，顾思宇. TensorFlow实战Google深度学习框架[M].北京：电子工业出版