win10系统配置tensorflow学习环境总结

初衷

  配置tensorflow学习环境需要从自己的显卡、CUDA+cuDNN版本、tensorflow-gpu版本、编辑器（VS2019或Spyder等）入手，由于此前没有创建虚拟环境，在base环境下由于一些第三方模块会与当前tensorflow版本不一致，从而导致cuda及cudnn的.dll文件缺失，然后每次添加这些缺失文件又很繁琐，因此这里建议各位针对不同的开发项目创建新的虚拟环境。这里，我也顺便总结一下win10系统下配置tensorfow学习环境的整个过程。

相关信息查看

显卡查看

  为自己的电脑寻找合适的CUDA+cuDNN版本前，需要从NVIDIA控制面板中查看自己的显卡支持的CUDA版本号（为最高支持），从桌面上找到NVDIA控制面板后，按照“帮助–系统信息–组件”的顺序，即可查看，这里显示本人电脑支持的CUDA最高版本：

图1 显卡支持CUDA版本查看 ### Tensorflow-gpu版本查看   这里不要急着去下载自己电脑支持的最高版本的CUDA，因为可能你的电脑支持的CUDA没有和你之后要下载的Tensorflow-gpu版本和自己使用的编辑器（这里主要针对VS2019和VS2017使用者），可以通过Tensorlow的github网站（https://github.com/fo40225/tensorflow-windows-wheel）查看，如图2所示：

图2 CUDA版本支持Tensorflow版本查看   图2中仅列出了CUDA版本支持Tensorflow版本的一部分，里面包含了tensorflow-gpu的安装包（这里一直使用的是豆瓣镜像，感觉下载速度还可以就没从github上下载压缩包了，可以自己尝试下），以及编辑器（本人使用的是VS2019）、操作平台（本人使用的是X86_64）、Python版本（本人使用的是Python3.8.5,，anaconda清华镜像源上提供的最新版本）以及CUDA+cuDNN版本（本人的是CUDA11.1.1_456.81/cuDNN8.0.5.39）。

CUDA+cuDNN下载及安装

下载CUDA+cuDNN

  接下来就是进入NVIDA官网CUDA下载界面（https://developer.nvidia.com/cuda-toolkit-archive)找到下载链接（CUDA11.1下载链接https://developer.nvidia.com/cuda-11.1.1-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal）。下载界面如下：

图3 CUDA11.1下载   进入cuDNN下载界面（https://developer.nvidia.com/rdp/cudnn-archive）找到下载链接（cuDNN8.0.5下载链接https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.5/11.1_20201106/cudnn-11.1-windows-x64-v8.0.5.39.zip）。这里提示需要账号登录，支持谷歌账号。

图4 cuDNN8.0.5下载

安装CUDA及cuDNN

  对于CUDA的安装，打开安装包，默认一路安装下去即可，记住安装路径，方便后面cuDNN和环境变量的配置。这里之前安装cuda9.0版本时遇到很多坑，这里分享一个最为致命的问题，当时是选择自定义安装，将visual studio不选择，安装后再单独安装visual studio。

图5 CUDA11.1安装

  补充一点，如果自己电脑本身含有CUDA旧版本，可以先不着急卸载，因为如果全部卸载的话会导致自己电脑驱动缺失，还需要从自己电脑官网上重新下载回来。因此，这里，选择先安装新版本，安装完成后再在控制面板上卸载旧版本与新版本相类似的部分（这里选择看名称及安装时间）。
  对于cuDNN的安装，先解压压缩包，将文件夹下的三个子文件夹里的文件对应复制到CUDA对应的文件夹中。

图6 cuDNN子文件夹

图7 CUDA子文件夹

  对于CUDA环境变量的系统设置，有的版本需要自己添加，但是CUDA11.1安装过程中已经设置好了，如果是手动添加的话，按照“此电脑–系统属性–环境变量”的顺序，在环境变量中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp（注意：这里需要在系统变量中的Path下添加）。
  安装完成后，在控制台输入“nvcc -V”即可查看安装CUDA版本信息。CUDA本身带有一些利用CUDA的测试样例，默认安装路径在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1，如果C盘没有该文件夹，可以按照“此电脑-C盘-查看-勾选隐藏的项目”，即可找到该文件夹。

Anaconda下载及安装

  这里推荐镜像安装，下载地址为：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，我这里一般选择最新版。
下载后一路默认安装即可，这里给出一些常用的conda指令：
conda list --给出安装的包
conda create --name envname python==版本号 --创建虚拟环境
conda activate envname --切换到虚拟环境
conda info --列出所有环境

Tensorflow-gpu安装

  如前面所说，建议创建一个新的虚拟环境，并在虚拟环境下安装，安装地址建议使用镜像安装，这里给出豆瓣镜像地址：pip install tensorflow-gpu==2.4.0 -i http://pypi.douban.com/simple
安装完成后，可以在此虚拟环境下安装spyder编辑器（这款编辑器因为是anaconda本身自带的，一般都是新手入门时使用的，后面听大牛或同行建议使用了pycharm或者VS系列，但是经过本人的多次使用，发现该编辑器运行速度还是可以的，而且也能兼容notebook，关键是可以看出中间参数变量）。

Tensorflow-gpu测试

print(‘GPU:’, tf.test.is_gpu_available())，输出为True，即为安装成功。