1、查看本机的CUDA驱动适配版本
桌面右键打开英伟达控制面板,点击帮助->系统信息->组件



tensorflow各个版本与cuda版本的对应关系
参考https://tensorflow.google.cn/install/source_windows#gpu
根据参考,我的电脑就是安装tensorflow_gpu-2.0.0版本,CUDA安装10.0版本,cudnn是7.4版本
2、 安装CUDA
下载地址:https://developer.nvidia.com/downloads(注意:国内访问很卡,需要借助特殊工具)


下图拉到最下面



下载完成后安装cuda
选择解压路径,
注
意
:
这
里
是
解
压
路
径
,
不
是
安
装
路
径
,
不
要
和
安
装
路
径
是
相
同
的
,
我
开
始
\color{red}{注意:这里是解压路径,不是安装路径,不要和安装路径是相同的,我开始}
注意:这里是解压路径,不是安装路径,不要和安装路径是相同的,我开始
以
为
是
安
装
路
径
,
和
后
面
的
安
装
路
径
是
一
样
的
,
导
致
安
装
完
成
之
后
就
没
了
\color{red}{以为是安装路径,和后面的安装路径是一样的,导致安装完成之后就没了}
以为是安装路径,和后面的安装路径是一样的,导致安装完成之后就没了

等待安装完成

安装完成后,等待检查系统兼容性

检查完成后,选择同意并继续

选择自定义安装方式

先把NVIDIA GeForce Experience 的对勾去掉,不安装它

如果电脑没有安装Visual Studio 那就把Visual Studio Intergration 勾去掉,即便安装了也可以取消

查看驱动版本,如果当前版本大于新版本,那就取消掉勾,我这里取消掉了

下面的由于我的当前版本和新版本相同,我就取消勾选了,也可以不取消

最后点击下一步安装,然后选择安装位置,默认就可以了,继续下一步,等待大概10分钟
安装完成之后关闭

关闭之后找到软件安装目录,比如我的如下图,找到nvcc.exe文件,确认有就可以

再找到如下文件,确认有就可以

3、安装cuDNN
下载地址:https://developer.nvidia.com/rdp/cudnn-archive

选择window10的下载

下载需要先注册为英伟达账号,直接用提示的社交网络账号登陆就行,需要验证邮箱
注
意
:
不
要
使
用
q
q
邮
箱
,
等
了
半
天
没
消
息
,
很
是
墨
迹
,
很
慢
!
!
!
换
了
163
的
立
马
发
了
验
证
邮
件
!
\color{red}{注意:不要使用qq邮箱,等了半天没消息,很是墨迹,很慢!!!换了163的立马发了验证邮件! }
注意:不要使用qq邮箱,等了半天没消息,很是墨迹,很慢!!!换了163的立马发了验证邮件!
下载完成之后,解压

解压之后文件夹名字是cuda

改名为cudnn

然后复制整个文件夹到CUDA安装目录下,比如我的是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0,然后确认一下cudnn文件夹下是否有这个文件

4、添加环境变量
到系统环境变量里德Path里,确认一下是否有一下两个,安装CUDA的时候会默认添加

然后添加CUPTI环境变量

添加完成之后上移到第三的位置


同样的把cudnn/bin目录添加到环境变量中,并且上移到第四位置

保存环境变量后,打开控制台,输入:nvcc -V 查看版本信息

5、安装tensorflow
自行安装anaconda
创建虚拟环境
conda create -n tf-gpu python=3.6
激活环境:
activate tf-gpu
安装tensorflow
pip install --upgrade tensorflow-gpu==2.0.0
进入python,查看tensorflow版本

查看一下gpu可否使用

Anaconda的使用参见我的另一篇博文:https://blog.csdn.net/s_daqing/article/details/117846862

本文详细介绍了如何检查CUDA驱动版本,安装CUDA和cuDNN,以及设置环境变量,确保与TensorFlow GPU版本兼容。重点强调了安装过程中路径选择的注意事项和避免使用QQ邮箱注册NVIDIA账号的问题。最后,通过验证nvcc版本和运行TensorFlow来确认安装成功。
4555

被折叠的 条评论
为什么被折叠?



