本文共 2669 字，大约阅读时间需要 8 分钟。

Windows环境下安装TensorFlow-GPU并搭建Faster-rcnn的完整指南

安装TensorFlow-GPU在Windows系统上虽然略显复杂，但经过优化，确实可以顺利完成。如果你之前在Ubuntu上使用过Caffe搭建过Faster-rcnn，但在双系统环境下遇到显卡驱动安装失败的问题，Windows环境或许是一个更为可靠的选择。以下是详细的安装步骤和优化方案，帮助你轻松完成TensorFlow-GPU的安装和模型的训练。

1. 系统配置要求

• 操作系统: Windows 10（推荐使用Pro版本）
• 显卡: GTX 1050 Ti（或其他支持CUDA的显卡）
• 内存: 建议8GB以上
• 处理器: Intel i7-7700或更高（支持CUDA 9.0的架构）
• 存储: 至少20GB可用空间

2. 必要工具安装

2.1 Visual Studio 2015

Visual Studio是CUDA开发的必备工具。如果你之前已经安装过2013版本，可以跳过这一步。安装Visual Studio时，记得选择"Custom"选项进行个性化安装，避免安装过多不需要的组件。

2.2 Anaconda Python发行版

Anaconda是一款功能强大的Python发行版，支持环境管理和第三方库安装。它包含了Python、Pandas、NumPy等基础库，也是TensorFlow和PyTorch的主要开发环境。安装步骤如下：

conda create -n tensorflow python=3.6
conda activate tensorflow

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cupy-cuda111

3. CUDA 9.0安装

3.1 CUDA安装

3.2 验证CUDA安装

nvcc -V

3.3 环境变量配置

• 右键点击"此电脑"，选择"属性" -> "高级系统设置" -> "环境变量"。
• 在"系统"类别下，找到"PATH"和"NVIDIA_HOME"，并确保它们包含CUDA安装目录。

4. CUDNN 7.1.4安装

4.1 下载CUDNN

1.前往NVIDIA官方网站下载对应CUDA版本的CUDNN。 2. 解压下载的文件，并将以下文件夹拷贝到CUDA安装目录：

cudnn-
   
    -windows10-x64-v7.1
   

默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\9.0\cudnn\

5. TensorFlow 1.9+安装

5.1 创建并激活TensorFlow环境

conda create -n tensorflow python=3.6
conda activate tensorflow

source activate tensorflow

5.2 安装TensorFlow-GPU

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.9.0

pip install --upgrade tensorflow-gpu

5.3 验证TensorFlow安装

import tensorflow as tf
print(tf.__version__)

6. Faster-rcnn模型训练

6.1 数据准备

确保已经准备好训练数据和预处理工具（如LabelImg）。建议使用预训练的ImagNet数据集，下载并解压到训练数据目录。

6.2 环境配置

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gym pytorch torchvision

git clone https://github.com/rbgirshick/pytorch-image-models.git
cd pytorch-image-models
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ./

7. 常见问题解决

7.1 显卡驱动安装失败

• 如果显卡驱动安装失败，可以尝试手动安装最新版本的驱动程序。
• 也可以使用 Device Toolbar（如NVIDIA Control Panel）手动分配显卡内存。

7.2 Jupyter Notebook虚拟环境切换问题

• 如果需要切换到不同的Python环境（如Python 2和Python 3），可以使用以下命令：

  conda activate base
  conda activate tensorflow

• 如果Jupyter Notebook无法识别虚拟环境，尝试在Anaconda中安装nb_conda插件：

  conda install -c https://anaconda.org/nb_conda nb_conda

通过以上步骤，你应该能够在Windows环境下顺利安装TensorFlow-GPU并完成Faster-rcnn的训练。如果在过程中遇到问题，可以参考TensorFlow官方文档或社区资源进行进一步的解决。

转载地址：http://olfbz.baihongyu.com/