软件安装目录在哪里(电脑软件的安装目录在哪里)

频道：生活常识日期：2022-09-13浏览：1218

来源：本文由机器之心（ID：almosthuman2014）编译自Github

参与：蒋思源、刘晓坤

本文从最基本的依赖项开始，依次配置了 VS 2015、Anaconda 4.4.0、CUDA 8.0.61 和 cuDNN v5.1 等基本环境，然后再从 Keras 出发安装 Theano、TensorFlow 和 CNTK 以作为其后端。在完成配置深度学习框架后，本文分别利用这三个框架作为 Keras 后端在 CPU 和 GPU 上训练了一个标准的卷积神经网络，完成该简单的卷积网络也就意味着我们完成了深度学习环境的配置。

从零开始：深度学习软件环境安装指南(Ubuntu)

本文GitHub地址：https://github.com/philferriere/dlwin

从零开始：深度学习软件环境安装指南(Ubuntu)

本文GitHub地址：https://github.com/philferriere/dlwin

该配置版本最后更新的日期是今年七月，该更新版本允许本地使用 3 个不同的 GPU 加速后端，并添加对 MKL BLAS 库的支持。

目前有很多帮助我们在 Linux 或 Mac OS 上构建深度学习（DL）环境的指导文章，但很少有文章完整地叙述如何高效地在 Windows 10 上配置深度学习开发环境。此外，很多开发者安装 Windows 和 Ubuntu 双系统或在 Windows 上安装虚拟机以配置深度学习环境，但对于入门者来说，我们更希望还是直接使用 Windows 直接配置深度学习环境。因此，本文作者 Phil Ferriere 在 GitHub 上发布了该教程，他希望能从最基本的环境变量配置开始一步步搭建 Keras 深度学习开发环境。

如果读者希望在 Windows 10 上配置深度学习环境，那么本文将为大家提供很多有利的信息。

依赖项

下面是我们将在 Windows 10（Version 1607 OS Build 14393.222）上配置深度学习环境所需要的工具和软件包：

Visual Studio 2015 Community Edition Update 3 w. Windows Kit 10.0.10240.0：用于其 C/C++编译器（而不是 IDE）和 SDK，选择该确定的版本是因为 CUDA 8.0.61 所支持的 Windows 编译器。

展开全文

Anaconda (64-bit) w. Python 3.6 (Anaconda3-4.4.0) [for Tensorflow support] or Python 2.7 (Anaconda2-4.4.0) [no Tensorflow support] with MKL：Anaconda 是一个开源的 Python 发行版本，其包含了 conda、Python、NumPy、SciPy 等 180 多个科学包及其依赖项，是一个集成开发环境。MKL 可以利用 CPU 加速许多线性代数运算。

CUDA 8.0.61 (64-bit)：CUDA 是一种由 NVIDIA 推出的通用并行计算架构，该架构使 GPU 能够解决复杂的计算问题，该软件包能提供 GPU 数学库、显卡驱动和 CUDA 编译器等。

cuDNN v5.1 (Jan 20, 2017) for CUDA 8.0：用于加速卷积神经网络的运算。

Keras 2.0.5 with three different backends: Theano 0.9.0, Tensorflow-gpu 1.2.0, and CNTK 2.0：Keras 以 Theano、Tensorflow 或 CNTK 等框架为后端，并提供深度学习高级 API。使用不同的后端在张量数学计算等方面会有不同的效果。

硬件

Dell Precision T7900, 64GB RAM：Intel Xeon E5-2630 v4 @ 2.20 GHz (1 processor, 10 cores total, 20 logical processors)

NVIDIA GeForce Titan X, 12GB RAM：Driver version: 372.90 / Win 10 64

Dell Precision T7900, 64GB RAM：Intel Xeon E5-2630 v4 @ 2.20 GHz (1 processor, 10 cores total, 20 logical processors)

NVIDIA GeForce Titan X, 12GB RAM：Driver version: 372.90 / Win 10 64

安装步骤

我们可能喜欢让所有的工具包和软件包在一个根目录下（如 e:toolkits.win），所以在下文只要看到以 e:toolkits.win 开头的路径，那么我们可能就需要小心不要覆盖或随意更改必要的软件包目录。

Visual Studio 2015 Community Edition Update 3 w. Windows Kit 10.0.10240.0

下载地址：https://www.visualstudio.com/vs/older-downloads

Visual Studio 2015 Community Edition Update 3 w. Windows Kit 10.0.10240.0

下载地址：https://www.visualstudio.com/vs/older-downloads

运行下载的软件包以安装 Visual Studio，可能我们还需要做一些额外的配置：

基于我们安装 VS 2015 的地址，需要将 C:Program Files (x86)Microsoft Visual Studio 14.0VCbin 添加到 PATH 中。

定义系统环境变量（sysenv variable）INCLUDE 的值为 C:Program Files (x86)Windows Kits10Include10.0.10240.0ucrt

定义系统环境变量（sysenv variable）LIB 的值为 C:Program Files (x86)Windows Kits10Lib10.0.10240.0umx64;C:Program Files (x86)Windows Kits10Lib10.0.10240.0ucrtx64

基于我们安装 VS 2015 的地址，需要将 C:Program Files (x86)Microsoft Visual Studio 14.0VCbin 添加到 PATH 中。

定义系统环境变量（sysenv variable）INCLUDE 的值为 C:Program Files (x86)Windows Kits10Include10.0.10240.0ucrt

定义系统环境变量（sysenv variable）LIB 的值为 C:Program Files (x86)Windows Kits10Lib10.0.10240.0umx64;C:Program Files (x86)Windows Kits10Lib10.0.10240.0ucrtx64

Anaconda 4.4.0 (64-bit) (Python 3.6 TF support / Python 2.7 no TF support))

本教程最初使用的是 Python 2.7，而随着 TensorFlow 可作为 Keras 的后端，我们决定使用 Python 3.6 作为默认配置。因此，根据我们配置的偏好，可以设置 e:toolkits.winanaconda3-4.4.0 或 e:toolkits.winanaconda2-4.4.0 为安装 Anaconda 的文件夹名。

Python 3.6 版本的 Anaconda 下载地址：https://repo.continuum.io/archive/Anaconda3-4.4.0-Windows-x86_64.exe

Python 2.7 版本的 Anaconda 下载地址：https://repo.continuum.io/archive/Anaconda2-4.4.0-Windows-x86_64.exe

Python 3.6 版本的 Anaconda 下载地址：https://repo.continuum.io/archive/Anaconda3-4.4.0-Windows-x86_64.exe

Python 2.7 版本的 Anaconda 下载地址：https://repo.continuum.io/archive/Anaconda2-4.4.0-Windows-x86_64.exe

运行安装程序完成安装：

如上，本教程选择了第二个选项，但不一定是最好的。

定义一下变量并更新 PATH：

定义系统环境（sysenv variable）变量 PYTHON_HOME 的值为 e:toolkits.winanaconda3-4.4.0

添加 %PYTHON_HOME%, %PYTHON_HOME%s 和 %PYTHON_HOME%Librarybin 到 PATH 中

定义系统环境（sysenv variable）变量 PYTHON_HOME 的值为 e:toolkits.winanaconda3-4.4.0

添加 %PYTHON_HOME%, %PYTHON_HOME%s 和 %PYTHON_HOME%Librarybin 到 PATH 中

创建 dlwin36 conda 环境

在安装 Anaconda 后，打开 Windows 命令窗口并执行：

#使用以下命令行创建环境

$ conda create --yes -n dlwin36 numpy scipy mkl-service m2w64-toolchain libpython jupyter

# 使用以下命令行激活环境:

# > activate dlwin36

# 使用以下命令行关闭环境:

# > deactivate dlwin36

# * forpower-users using bash, you must source

如上所示，使用 active dlwin36 命令激活这个新的环境。如果已经有了旧的 dlwin36 环境，可以先用 conda env remove -n dlwin36 命令删除。既然打算使用 GPU，为什么还要安装 CPU 优化的线性代数库如 MKL 呢？在我们的设置中，大多数深度学习都是由 GPU 承担的，这并没错，但 CPU 也不是无所事事。基于图像的 Kaggle 竞赛一个重要部分是数据增强。如此看来，数据增强是通过转换原始训练样本（利用图像处理算子）获得额外输入样本（即更多的训练图像）的过程。基本的转换比如下采样和均值归 0 的归一化也是必需的。如果你觉得这样太冒险，可以试试额外的预处理增强（噪声消除、直方图均化等等）。当然也可以用 GPU 处理并把结果保存到文件中。然而在实践过程中，这些计算通常都是在 CPU 上平行执行的，而 GPU 正忙于学习深度神经网络的权重，况且增强数据是用完即弃的。因此，我们强烈推荐安装 MKL，而 Theanos 用 BLAS 库更好。

CUDA 8.0.61 (64-bit)

从英伟达网站下载 CUDA 8.0 (64-bit)：https://developer.nvidia.com/cuda-downloads

选择合适的操作系统：

下载安装包：

运行安装包，安装文件到 e:toolkits.wincuda-8.0.61 中：

完成安装后，安装包应该创建了一个名为 CUDA_PATH 的系统环境变量（sysenv variable），并且已经添加了%CUDA_PATH%bin 和 %CUDA_PATH%libnvvp 到 PATH 中。检查是否真正添加了，若 CUDA 环境变量因为一些原因出错了，那么完成下面两个步骤：

定义名为 CUDA_PATH 的系统环境变量的值为 e:toolkits.wincuda-8.0.61

添加%CUDA_PATH%bin 和 %CUDA_PATH%libnvvp 到 PATH 中

定义名为 CUDA_PATH 的系统环境变量的值为 e:toolkits.wincuda-8.0.61

添加%CUDA_PATH%bin 和 %CUDA_PATH%libnvvp 到 PATH 中

cuDNN v5.1 (Jan 20, 2017) for CUDA 8.0

根据英伟达官网「cuDNN 为标准的运算如前向和反向卷积、池化、归一化和激活层等提供高度调优的实现」，它是为卷积神经网络和深度学习设计的一款加速方案。

cuDNN 的下载地址：https://developer.nvidia.com/rdp/cudnn-download

我们需要选择符合 CUDA 版本和 Window 10 编译器的 cuDNN 软件包，一般来说，cuDNN 5.1 可以支持 CUDA 8.0 和 Windows 10。

下载的 ZIP 文件包含三个目录（bin、include、lib），抽取这三个的文件夹到%CUDA_PATH% 中。

安装 Keras 2.0.5 和 Theano0.9.0 与 libgpuarray

运行以下命令安装 libgpuarray 0.6.2，即 Theano 0.9.0 唯一的稳定版：

(dlwin36) $ conda install pygpu==0.6.2nose

#下面是该命令行安装的效果

Fetchingpackage metadata ...........

Solvingpackage specifications: .

Packageplan forinstallation in environment e:toolkits.winanaconda3-4.4.0envsdlwin36:

Thefollowing NEW packages will be INSTALLED:

libgpuarray: 0.6.2-vc14_0 [vc14]

nose: 1.3.7-py36_1

pygpu: 0.6.2-py36_0

Proceed([y]/n)? y

输入以下命令安装 Keras 和 Theano：

(dlwin36) $ pip install keras==2.0.5

#下面是该命令行安装的效果

Collectingkeras==2.0.5

Requirementalready satisfied: six in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from keras==2.0.5)

Collectingpyyaml (from keras==2.0.5)

Collectingtheano (from keras==2.0.5)

Requirementalready satisfied: scipy>=0.14in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from theano->keras==2.0.5)

Requirementalready satisfied: numpy>=1.9.1in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from theano->keras==2.0.5)

Installingcollected packages: pyyaml, theano, keras

Successfullyinstalled keras-2.0.5pyyaml-3.12theano-0.9.0

安装 CNTK 2.0 后端

根据 CNTK 安装文档，我们可以使用以下 pip 命令行安装 CNTK：

(dlwin36) $ pip install https://cntk.ai/PythonWheel/GPU/cntk-2.0-cp36-cp36m-win_amd64.whl

#下面是该命令行安装的效果

Collectingcntk==2.0from https://cntk.ai/PythonWheel/GPU/cntk-2.0-cp36-cp36m-win_amd64.whl

Usingcached https://cntk.ai/PythonWheel/GPU/cntk-2.0-cp36-cp36m-win_amd64.whl

Requirementalready satisfied: numpy>=1.11in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from cntk==2.0)

Requirementalready satisfied: scipy>=0.17in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from cntk==2.0)

Installingcollected packages: cntk

Successfullyinstalled cntk-2.0

该安装将导致在 conda 环境目录下额外安装 CUDA 和 cuDNN DLLs：

(dlwin36) $ cd E:toolkits.winanaconda3-4.4.0envsdlwin36

(dlwin36) $ dir cu*.dll

#下面是该命令行安装的效果

Volumein drive E is datasets

VolumeSerialNumberis 1ED0-657B

Directoryof E:toolkits.winanaconda3-4.4.0envsdlwin36

06/30/201702:47PM 40,744,896cublas64_80.dll

06/30/201702:47PM 366,016cudart64_80.dll

06/30/201702:47PM 78,389,760cudnn64_5.dll

06/30/201702:47PM 47,985,208curand64_80.dll

06/30/201702:47PM 41,780,280cusparse64_80.dll

5File(s) 209,266,160bytes

软件安装目录在哪里(电脑软件的安装目录在哪里)

0Dir(s) 400,471,019,520bytes free

这个问题并不是因为浪费硬盘空间，而是安装的 cuDNN 版本和我们安装在 c:toolkitscuda-8.0.61 下的 cuDNN 版本不同，因为在 conda 环境目录下的 DLL 将首先加载，所以我们需要这些 DLL 移除出%PATH% 目录：

(dlwin36) $ md discard & move cu*.dll discard

#下面是该命令行安装的效果

E:toolkits.winanaconda3-4.4.0envsdlwin36cublas64_80.dll

E:toolkits.winanaconda3-4.4.0envsdlwin36cudart64_80.dll

E:toolkits.winanaconda3-4.4.0envsdlwin36cudnn64_5.dll

E:toolkits.winanaconda3-4.4.0envsdlwin36curand64_80.dll

E:toolkits.winanaconda3-4.4.0envsdlwin36cusparse64_80.dll

5file(s) moved.

安装 TensorFlow-GPU 1.2.0 后端

运行以下命令行使用 pip 安装 TensorFlow：

(dlwin36) $ pip install tensorflow-gpu==1.2.0

#以下是安装效果

Collectingtensorflow-gpu==1.2.0

Usingcached tensorflow_gpu-1.2.0-cp36-cp36m-win_amd64.whl

Requirementalready satisfied: bleach==1.5.0in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from tensorflow-gpu==1.2.0)

Requirementalready satisfied: numpy>=1.11.0in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from tensorflow-gpu==1.2.0)

Collectingmarkdown==2.2.0(from tensorflow-gpu==1.2.0)

Requirementalready satisfied: wheel>=0.26in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from tensorflow-gpu==1.2.0)

Collectingprotobuf>=3.2.0(from tensorflow-gpu==1.2.0)

Collectingbackports.weakref==1.0rc1(from tensorflow-gpu==1.2.0)

Usingcached backports.weakref-1.0rc1-py3-none-any.whl

Collectinghtml5lib==0.9999999(from tensorflow-gpu==1.2.0)

Collectingwerkzeug>=0.11.10(from tensorflow-gpu==1.2.0)

Usingcached Werkzeug-0.12.2-py2.py3-none-any.whl

Requirementalready satisfied: six>=1.10.0in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packages (from tensorflow-gpu==1.2.0)

Requirementalready satisfied: setuptools in e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packagessetuptools-27.2.0-py3.6.egg(from protobuf>=3.2.0->tensorflow-gpu==1.2.0)

Installingcollected packages: markdown, protobuf, backports.weakref, html5lib, werkzeug, tensorflow-gpu

Foundexisting installation: html5lib 0.999

DEPRECATION: Uninstallinga distutils installed project (html5lib) has been deprecated and will be removed in a future version. Thisis due to the fact that uninstalling a distutils project will only partially uninstall the project.

Uninstallinghtml5lib-0.999:

Successfullyuninstalled html5lib-0.999

Successfullyinstalled backports.weakref-1.0rc1html5lib-0.9999999markdown-2.2.0protobuf-3.3.0tensorflow-gpu-1.2.0werkzeug-0.12.2

使用 conda 检查安装的软件包

完成以上安装和配置后，我们应该在 dlwin36 conda 环境中看到以下软件包列表：

为了快速检查上述三个后端安装的效果，依次运行一下命令行分别检查 Theano、TensorFlow 和 CNTK 导入情况：

(dlwin36) $ python -c "import theano; print('theano: %s, %s' % (theano.__version__, theano.__file__))"

theano: 0.9.0, E:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packagestheano__init__.py

(dlwin36) $ python -c "import pygpu; print('pygpu: %s, %s' % (pygpu.__version__, pygpu.__file__))"

pygpu: 0.6.2, e:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packagespygpu__init__.py

(dlwin36) $ python -c "import tensorflow; print('tensorflow: %s, %s' % (tensorflow.__version__, tensorflow.__file__))"

tensorflow: 1.2.0, E:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packagestensorflow__init__.py

(dlwin36) $ python -c "import cntk; print('cntk: %s, %s' % (cntk.__version__, cntk.__file__))"

cntk: 2.0, E:toolkits.winanaconda3-4.4.0envsdlwin36libsite-packagescntk__init__.py

验证 Theano 的安装

因为 Theano 是安装 Keras 时自动安装的，为了快速地在 CPU 模式、GPU 模式和带 cuDNN 的 GPU 模式之间转换，我们需要创建以下三个系统环境变量（sysenv variable）：

系统环境变量 THEANO_FLAGS_CPU 的值定义为：floatX=float32,device=cpu

系统环境变量 THEANO_FLAGS_GPU 的值定义为：floatX=float32,device=cuda0,dnn.enabled=False,gpuarray.preallocate=0.8

系统环境变量 THEANO_FLAGS_GPU_DNN 的值定义为：floatX=float32,device=cuda0,optimizer_including=cudnn,gpuarray.preallocate=0.8,dnn.conv.algo_bwd_filter=deterministic,dnn.conv.algo_bwd_data=deterministic,dnn.include_path=e:/toolkits.win/cuda-8.0.61/include,dnn.library_path=e:/toolkits.win/cuda-8.0.61/lib/x64

系统环境变量 THEANO_FLAGS_CPU 的值定义为：floatX=float32,device=cpu

系统环境变量 THEANO_FLAGS_GPU 的值定义为：floatX=float32,device=cuda0,dnn.enabled=False,gpuarray.preallocate=0.8

现在，我们能直接使用 THEANO_FLAGS_CPU、THEANO_FLAGS_GPU 或 THEANO_FLAGS_GPU_DNN 直接设置 Theano 使用 CPU、GPU 还是 GPU+cuDNN。我们可以使用以下命令行验证这些变量是否成功加入环境中：

(dlwin36) $ set KERAS_BACKEND=theano

(dlwin36) $ set | findstr /i theano

KERAS_BACKEND=theano

THEANO_FLAGS=floatX=float32,device=cuda0,optimizer_including=cudnn,gpuarray.preallocate=0.8,dnn.conv.algo_bwd_filter=deterministic,dnn.conv.algo_bwd_data=deterministic,dnn.include_path=e:/toolkits.win/cuda-8.0.61/include,dnn.library_path=e:/toolkits.win/cuda-8.0.61/lib/x64

THEANO_FLAGS_CPU=floatX=float32,device=cpu

THEANO_FLAGS_GPU=floatX=float32,device=cuda0,dnn.enabled=False,gpuarray.preallocate=0.8

THEANO_FLAGS_GPU_DNN=floatX=float32,device=cuda0,optimizer_including=cudnn,gpuarray.preallocate=0.8,dnn.conv.algo_bwd_filter=deterministic,dnn.conv.algo_bwd_data=deterministic,dnn.include_path=e:/toolkits.win/cuda-8.0.61/include,dnn.library_path=e:/toolkits.win/cuda-8.0.61/lib/x64

更多具体的 Theano 验证代码与命令请查看原文。

检查系统环境变量

现在，不论 dlwin36 conda 环境什么时候激活，PATH 环境变量应该需要看起来如下面列表一样：

软件安装目录在哪里(电脑软件的安装目录在哪里)