目錄

• 準備工作
• 設定conda國內映象源
• conda 深度學習環境
• tensorflow、mxnet、pytorch安裝
  • tensorflow
  • mxnet
  • pytorch
• Caffe安裝
  • 配置檔案修改
  • 編譯時常見錯誤
• 參考

GPU為RTX2080，系統為更新到最新版本的Win10。

準備工作

• 安裝VS2015，到官網地址older-download下載安裝
• 安裝Matlab，筆者安裝的是Matlab2017b
• 安裝Anaconda3-4.4.0-Windows-x86_64.exe（到anaconda archive
  下載），筆者曾下載並安裝了最新版的Anaconda3-2018.12-Windows-x86_64.exe，在使用conda安裝包時發生SSLError錯誤，據github issue所說是最新版win10和最新版anaconda有衝突，4.4版本沒有這個問題，4.4對應的python版本為3.6
• 安裝CUDA 10.0，到cuda-toolkit-archive根據自己的平臺下載安裝，安裝好後可以看到環境變數多了CUDA_PATH、CUDA_PATH_10_0等，以及path中也多了bin和libnvvp路徑
• 安裝CUDNN 7.4，到cudnn-archive根據CUDA版本下載安裝，下載下來後將其中的所有檔案（bin、include、lib資料夾）拷貝到cuda的目錄，合併對應的資料夾

設定conda國內映象源

為conda設定國內映象源，預設國外的映象源會比較慢。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
 

這時目錄"C:\Users\使用者名稱"下的.condarc檔案內容變為

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true

如果有default可以刪除。

conda 深度學習環境

# 建立conda環境
conda create -n py36DL python=3.6
# 更新pip
pip install --upgrade pip
# 若報錯
easy_install pip
# 啟用環境
activate py36DL
# 安裝ipython，後面用於測試庫是否安裝成功
conda install ipython

tensorflow、mxnet、pytorch安裝

注意：下面的所有安裝都是在激活了的py36DL環境中進行的。

tensorflow

筆者通過官網、通過conda、通過豆瓣映象源安裝tensorflow在import時都會失敗，報“ImportError: DLL load failed: 找不到指定的模組”的錯誤，最終成功的安裝方式如下：

到fo40225/tensorflow-windows-wheel找到對應的版本下載whl，筆者下載的是tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl的avx2版本（有兩個壓縮包，解壓出whl檔案），如果安裝不成功的話可以試試sse2版本，這裡神奇的地方是該whl檔案應該是在cuda100cudnn73avx2下編譯的，但是我的環境是cuda100和cudnn74，竟然也是可以安裝成功的，筆者久經磨難，喜極而泣。

下載下來後通過pip安裝

# 切換到whl目錄
pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

# 進入ipython驗證
import tensorflow as tf
tf.VERSION
# '1.12.0'

mxnet

mxnet安裝比較簡單，這裡直接通過豆瓣映象源用pip安裝。

pip install -i https://pypi.doubanio.com/simple/ mxnet-cu100

# 進入ipython驗證
import mxnet
mxnet.__version__
# '1.3.1'

mxnet的官網顯示支援到cu92，實際已經有了cu100版本。

pytorch

pytorch的安裝也很簡單，在官網，選擇pip、Python3.6、CUDA10.0，顯示

pip3 install https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl
pip3 install torchvision

這裡先把連結https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl拷貝到IDM下載whl檔案，然後離線安裝

# 切換到whl路徑
pip install torch-1.0.0-cp36-cp36m-win_amd64.whl
pip install torchvision

#進入ipython驗證
import torch
torch.__version
# '1.0.0'

Caffe安裝

筆者使用的是happynear/caffe-windows版本的caffe，下載解壓，同時下載第三方庫拷貝到專案windows/thirdparty/資料夾，Copy .\windows\CommonSettings.props.example to .\windows\CommonSettings.props，開啟Caffe.sln，根據github上的README修改配置檔案.\windows\CommonSettings.props，編譯成功後再參考README配置python和matlab，注意使用時需要將thirdparty/bin目錄新增到path環境變數，否則執行時會報錯。

修改環境變數後以管理員執行CMD，執行

echo %path%

立即生效，不用重啟系統。

配置檔案修改

主要修改項如下：

• UseCuDNN：true
• CudaVersion：10.0
• PythonSupport：true
• MatlabSupport：true
• CudaArchitecture：compute_50,sm_50;compute_52,sm_52;compute_60,sm_60;compute_61,sm_61;compute_70,sm_70;compute_75,sm_75;
• CuDnnPath：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDNN-100。需替換為你的cudnn7.4的路徑
• PythonDir：D:\Anaconda3\envs\py36DL。替換為你的python路徑
• MatlabDir：D:\Program Files\MATLAB\R2017b。替換為你的matlab路徑

根據wiki，RTX2080的Compute capability (version)為7.5，目前只有CUDA10.0支援7.5，因此CudaArchitecture中如果加入compute_75,sm_75;的話需要CUDA為10.0，否則會報錯。如果裝的是CUDA9.2，在不加compute_75,sm_75;的情況下也是可以編譯成功的。

編譯時常見錯誤

• 將警告視為錯誤
  在報錯的工程上右鍵，選擇 屬性→C/C++→將警告視為錯誤，改為否，生成專案。要是某個專案檔案報這個錯的話，也可以在相應檔案上右鍵，進行同樣操作。

• The Windows SDK version 10.0.10586.0 was not found
  在報錯的工程上右鍵，選擇 重定SDK版本目標，選擇 目標平臺版本（預設就一項 8.1），點選確定，生成專案。

參考

• CUDA wiki
• happynear/caffe-windows