GPU版本Tensorflow及对应CUDA和cuDNN的安装

首先是Tensorflow-GPU版本、CUDA版本、cuDNN版本的相互关系及下载链接：

Tensorflow-GPU	CUDA	cuDNN
2.0	10.1	v7.6.2
1.15	10.0	v7.6.2
1.14	10.0	v7.6.2
1.13	10.0	v7.6.2
1.12	9.0	v7.6.2
1.5	9.0	v7.6.2
1.4	8.0	v7.1.4
1.0	8.0	v7.1.4

 

Tensorflow-GPU要求的CUDA版本是硬性且唯一的，而CUDA要求的cuDNN版本并不唯一，当然选用cuDNN版本是越新越好。

不同版本的安装过程其实都是一模一样的，以下以Tensorflow-GPU 1.12.3、CUDA 9.0、cuDNN v7.6.2为例：

在CMD中输入命令 pip install tensorflow-gpu==1.12.3 自动安装对应python版本的Tensorflow-GPU。

如果很久没更新过Nvidia显卡驱动了，那就用Nvidia的GeForce Experience先更新一下，十分方便。

下载CUDA，这里选择的版本是和Tensorflow-GPU 1.12.3对应的CUDA 9.0，然后选择自己的系统及exe (local)，接着将所有基础安装包Base Installer和升级包Patch全都下载下来。按顺序从基础安装包Base Installer开始安装，路径全都默认就行，安装选项选择自定义，安装内容只需要勾选CUDA下的Development和Runtime，其他的组件全都不需要装。所有的安装都完成后，会发现路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA会多一个v9.0的文件夹，同时环境变量的系统变量里会多出CUDA_PATHV9_0和CUDA_PATH并指向CUDA 9.0的所在的文件夹。查看CUDA版本可直接在CMD中输入命令 nvcc -V 即能显示。如果安装升级包Patch的时候程序发生闪退，则将路径C:\Program Files\NVIDIA Corporation下的Installer2文件夹整个删除即可恢复正常。

下载cuDNN，这里选择的版本是适配CUDA 9.0的最新版本cuDNN v7.6.2 for CUDA 9.0，然后选择自己的系统即可下载。解压下载下来的压缩包，将压缩包里的bin、include、lib三个文件夹复制到CUDA 9.0的所在的文件夹，与原先存在的bin、include、lib三个文件夹合并。在环境变量的用户变量中的PATH添加 %CUDA_PATH%\bin 、 %CUDA_PATH%\lib\x64 、 %CUDA_PATH%\extras\CUPTI\lib64 这三条变量，保存即可。

若要测试是否全部安装成功，直接在python里执行 import tensorflow as tf 查看是否正常不报错就知道了。