Win10+RTX2080環境搭建：tensorflow、mxnet、pytorch、caffe

知識 12-27

準備工作
設置conda國內鏡像源
conda 深度學習環境
tensorflow、mxnet、pytorch安裝
tensorflow
mxnet
pytorch
Caffe安裝
配置文件修改
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根據自己的平台下載安裝，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文件（bin、include、lib文件夾）拷貝到cuda的目錄，合併對應的文件夾

設置conda國內鏡像源

為conda設置國內鏡像源，默認國外的鏡像源會比較慢。

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用戶名"下的.condarc文件內容變為

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

# 創建conda環境
conda create -n py36DL python=3.6
# 更新pip
pip install --upgrade pip
# 若報錯
easy_install pip
# 激活環境
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、通過豆瓣鏡像源安裝tensorflow在import時都會失敗，報「ImportError: DLL load failed: 找不到指定的模塊」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文件），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文件應該是在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，這裡直接通過豆瓣鏡像源用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的官網顯示支持到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

這裡先把鏈接https://download.pytorch.org/whl/cu100/torch-1.0.0-cp36-cp36m-win_amd64.whl拷貝到IDM下載whl文件，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項目windows/thirdparty/文件夾，Copy .windowsCommonSettings.props.example to .windowsCommonSettings.props，打開Caffe.sln，根據github上的README修改配置文件.windowsCommonSettings.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目錄添加到path環境變數，否則運行時會報錯。

修改環境變數後以管理員運行CMD，運行

echo %path%

立即生效，不用重啟系統。

配置文件修改

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 FilesNVIDIA GPU Computing ToolkitCUDNN-100。需替換為你的cudnn7.4的路徑
PythonDir
：D:Anaconda3envspy36DL。替換為你的python路徑
MatlabDir

：D:Program FilesMATLABR2017b。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支持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