Windows下深度学习环境搭建教程

本教材主要参考了如下资源：

• 官方github教程：https://github.com/microsoft/vs-tools-for-ai
• 斗鱼tv教程：https://v.douyu.com/show/V6Aw87OBmXZvYGkg

一、Windows下开发环境搭建

本教程分为五步：

1. 安装VS
2. 安装Python
3. 安装CUDA和cuDNN
4. 配置深度学习环境
5. 安装VSToolsForAI插件

0.安装Git

访问https://git-scm.com/download/win

选择64-bit Git for Windows Setup下载双击.exe开始安装

选择好自己的安装路径，一路next，直到Choosing the default editor used by Git

如果你的电脑上已经安装了Visual Studio Code，那这一步当然要选Use Visual Studio Code as Git's default editor

然后继续next，直到Adjusting your PATH environment

请选择Use Git from the Windows Command Prompt

这一步就已经将Git添加到环境变量中了，然后就可以直接在命令行里使用Git啦。

1.安装VS

访问https://www.visualstudio.com/zh-hans/products/

在产品中点击Visual Studio 2017

选择Community版本下载

打开Visual Studio Installer进行如下的配置：

• 仅选择.NET桌面开发与Python开发即可

请自行决定Visual Studio的安装路径等待数分钟，时长视网络状况而定，这个时候可以做些其他事情等待安装结束。

2.安装Python

访问https://www.python.org/downloads/

选择版本3.5.4或3.6.5，Windows x86-64 executable installer下载。打开安装包，在安装前，请选择Add Python 3.X to PATH，随后按照默认选项安装即可。

安装结束后，请进行如下操作验证python是否安装成功

1. 同时按下win与R，在弹出的输入框里输入cmd
2. 在弹出的窗口中输入python
3. 输入exit()退出
4. 输入python -m pip install -U pip以更新pip到最新版本

自此，python的安装就完成了。

3.安装CUDA与cuDNN

如果你的电脑装有Nvidia的显卡，请进行这一步配置，否则请跳过。

首先通过操作系统更新，升级显卡驱动到最新版。

3.1安装CUDA

打开https://developer.nvidia.com/cuda-toolkit-archive

选择CUDA 9.0进行安装。点击后，选择如下的配置：

• 请选择local版本下载，一旦失败还可以重新再来；如果使用network版本，一旦失败，需要重新下载1.4GB的安装包

打开安装包,进行安装，请自行配置CUDA的安装路径，并手动将CUDA库添加至PATH环境变量中。

在Windows中，CUDA的默认安装路径是:"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin"

3.2安装cuDNN

打起精神！这是操作最复杂的一步！

访问https://developer.nvidia.com/rdp/cudnn-archive

找到我们需要的cuDNN版本：cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

点击链接，等待着你的并不是文件下载，而是：

一番令人窒息的操作之后，我们终于得到了cuDNN，我们把文件解压，取出这个路径的cudnn64_7.dll,复制到CUDA的bin目录下即可。默认的地址是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

到这里，我们已经完成了本教程最复杂的一步了。

4.安装深度学习和机器学习的软件及依赖

这一步虽然是整个教程最简单的一步，甚至比把大象关进冰箱更简单。你只需要：

• win+R，打开cmd
• 在命令行中输入：cd c:\//选择一个你喜欢的路径
• md AI//在这里创建一个AI目录
• cd AI//打开这个目录
• 克隆仓库到本地：git clone https://github.com/Microsoft/samples-for-ai.git
• cd samples-for-ai//打开这个目录
• cd installer//还有这个目录
• python.exe install.py//开始安装

然后刷会微博，等待安装结束即可。

成功之后是这样的：

或者你觉得自己不怕麻烦，那么请访问：https://github.com/Microsoft/vs-tools-for-ai/blob/master/docs/zh-hans/docs/prepare-local-machine.md

根据教程按步安装，相信我，你会回来选择一键安装的。

5.安装toolsforai插件

打开Visual Studio，选择工具->扩展和更新->选择“在线”->搜索“AI”

等待下载完成之后，关闭Visual Studio，没错，关闭Visual Studio，系统将自动安装AI插件。

安装完毕后再次打开Visual Studio，你将在界面上看到这样的内容：

那么恭喜你！安装成功！

二、离线模型的训练

在进行完环境搭建后，我们马上就可以开始训练第一个模型了，我们选择tensorflow下的MNIST作为第一个例子。

MNIST的介绍请参考这个链接：https://www.tensorflow.org/versions/r1.1/get_started/mnist/beginners

首先打开这个路径：C:\AI\samples-for-ai\examples\tensorflow，如果你在别的目录下克隆了目录，那么请打开你对应的目录。

然后双击TensorflowExamples.sln：

如果存在多个Python环境，你需要为Visual Studio的AI项目设置默认的Python环境。例如，手动安装的Python3.5与Visual Studio 2017 Python开发负载自动安装了64位的Python3.6。如果要为Visual Studio设置全局的默认Python环境，请打开工具->Python->Python环境。然后，选择自己需要的Python版本作为新项目的默认环境。

然后在Solution Explorer中，选择MNIST，单击右键，选择Set as StartUp Project

然后选择MNIST中的convolutional.py，单击右键，选择Set as StartUp File

最后，单击右键，选择Start Without Debugging

然后程序就开始运行了。

等待一段时间之后，模型就训练好了！

可能存在的问题

GPU ran out of memory

方法一：修改convolutional.py第45行或第47行的BATCH_SIZE或EVAL_BATCH_SIZE为一个更小的数字。具体修改哪一个，需要视你在程序运行的哪个部分得到了ERROR决定。

方法二：不使用GPU训练