零、环境准备

git下载：https://git-for-windows.github.io/

MINGW下载：http://www.mingw.org/

Tensorflow源码下载：git clone https://github.com/tensorflow/tensorflow/tree/r1.3

cmake for windows：https://cmake.org/download/

swig(python for c++ interface)：http://www.swig.org/download.html

Visual Studio 2015：

Anaconda 4.2.0(此版本非最新版本，之所以使用是因为其默认python版本为3.5.2)：https://www.anaconda.com/download/

Numpy:https://www.scipy.org/scipylib/download.html

一、安装CUDA

0. 首先需要在cuda-gpus检查电脑的GPU是否支持cuda编程，要求Compute Capability 3.0及以上。

1. 安装Visual Studio 2015(需要在CUDA之前安装好)

2. 安装CUDA toolkit 8.0(推荐下载离线版本)

3. 解压下载好的cuDNN,将其中的 bin、include、lib 覆盖到CUDA的安装目录

二、安装tensorflow-gpu

1. 安装anaconda

2. 进入python3.5环境，通过以下命令安装tensorflow-gpu:

pip install --ignore-installed --upgrade tensorflow-gpu

3. 如果遇到各种lib、dll缺失的问题，可以尝试通过添加对应的路径到path中来解决

在CUDA_PATH后面添加bin和lib\x64路径

将cudnn64_7改为cudnn64_6

4. 测试代码

如下：

#Creates a graph.

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')

c = tf.matmul(a, b)

#Creates a session with log_device_placement set to True.

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

#Runs the op.

print sess.run(c)

三、编译tensorflow-gpu

官方只提供了Ubuntu和Mac OS X的编译支持，在Windows下可以通过Bazel和CMake两种方式进行编译，但只是 “highly experimental”，可能会遇到各种错误。下面使用CMake来进行编译。

0. 进行编译之前安装一下软件：

Cmake 3.5以上

Git

swig

Windows下的额外要求：

Visual Studio 2015

Python 3.5

Numpy 1.11.0 or later

1. 设置环境变量

进入目录 C:\Program Files (x86)\Microsoft Visual Studio version\VC\，运行命令 vcvarsall amd64，从64位命令行编译到64位的目标平台。执行这一步可以避免编译的时候出现内存不足的错误。

将CUDA dlls和cuDNN dll添加到环境变量：

NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

cudnn-8.0-windows7-x64-v7\cuda\bin

将Cmake和git添加到环境变量

CMake\bin

2. 下载 Tensorflow源代码, 在其中的 tensorflow\tensorflow\contrib\cmake 目录下新建 build 目录，用于存放编译结果。

D:\temp> git clone https://github.com/tensorflow/tensorflow.git

D:\temp> cd tensorflow\tensorflow\contrib\cmake

D:\temp\tensorflow\tensorflow\contrib\cmake> mkdir build

D:\temp\tensorflow\tensorflow\contrib\cmake> cd build

D:\temp\tensorflow\tensorflow\contrib\cmake\build>

3. 调用cmake来产生Visual Studio solution 和project files.

D:\...\build> cmake .. -A x64 -DCMAKE_BUILD_TYPE=Release ^

More? -DSWIG_EXECUTABLE=C:/tools/swigwin-3.0.10/swig.exe ^

More? -DPYTHON_EXECUTABLE=C:/Users/%USERNAME%/AppData/Local/Continuum/Anaconda3/python.exe ^

More? -DPYTHON_LIBRARIES=C:/Users/%USERNAME%/AppData/Local/Continuum/Anaconda3/libs/python35.lib

如果有NVIDIA显卡，且安装好了cuDNN,那么可以添加以下参数：

More? -Dtensorflow_ENABLE_GPU=ON ^

More? -DCUDNN_HOME="D:\...\cudnn"

4. 调用MSBiuld来编译Tensorflow

使用以下命令产生.whl文件

D:\...\build> MSBuild /p:Configuration=Release tf_python_build_pip_package.vcxproj

遇到的问题：

error C2001: newline in constant

打开对应的文件发现出现了乱码，google之后发现可以通过修改locale为 英语(美国) 来解决。

编译过程中下载失败或者 git clone缓慢

使用命令 nslookup 查找失效ip(github.global.ssl.fastly.net,storage.googleapis.com等)，修改host文件。完了之后 ipconfig /flushdns。当然也可以尝试手动下载到对应的目录。

参考guide：

https://github.com/tensorflow/tensorflow/tree/r1.3/tensorflow/contrib/cmake

http://blog.csdn.net/DawnRanger/article/details/77755412

http://blog.csdn.net/xingwei_09/article/details/72822360