RTX2060+python3.6+Tensorflow_gpu1.14.0+CUDA10.0+cuDNN7.6.4安装教程

RTX2060+python3.6+Tensorflow_gpu1.14.0+CUDA10.0+cuDNN7.6.4安装教程

首先安装Tensorflow_gpu1.14.0

GPU版本

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14

这里选择清华源是因为下载速度很快

然后安装CUDN10.0

为什么安装这个版本是由于查阅了一些网上资料，认为在我的这个驱动程序的版本下最稳定的CUDN版本是10，虽然我的显卡驱动支持11.
无论是从这个版本的驱动程序的文档说明书上又或者如下图，都能看出支持CUDN11.0
先上下载链接CUDN10https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork

安装过程如下：
1.这里我认为是存放下载的那些安装软件，我没放在C盘

2.然后我选的是自定义，当然也可精简，但是可能会出先步骤3中的问题。

3.这里千万注意每个选项框都打开看一下，只要你的电脑的当前版本有且比它这里显示的新版本高，就一定要取消（不然你又安装了更低的版本谁知道会出什么问题）。

4.这里可能有个小插曲，如果你没安VS2017或者别的任何版本（因为的电脑是新电脑，所以没有）。我推荐vs2017因为我查的资料里很少有vs2019和cudn10的组合，稳妥起见。
5.最后检查两个东西，如图。

这个目录下要有ncvv
这个目录下要有cupti64_100这里安装成功可以测试下
1.在cmd窗口输入

nvidia-smi

显示如下

2.cmd输入

nvcc -V

有一种说法是安装了cuDNN后才会出现如图，但是我按完CUDN10.0就有了。

最后安装cuDNN

先上网址cuDNNhttps://developer.nvidia.com/rdp/cudnn-archive
下载自己CUDN相应的版本和操作系统相应的版本，我下载的是如图的win10版本
下载完成后，得到如图压缩包然后就有我找的两种做法了，我用了第一种
第一种将原本上图中的cuda的文件夹名改为cudnn（图中我已经改了），然后将cudnn复制到下图中，路径也在图中。

最后改环境变量，安装CUDN后环境变量里本身已经有两个了，再加两个。已有的两个如图前两个。![在这里插入图片描述](https://img-blog.csdnimg.cn/20200718152834717.png

再加两个

• C:\Program Files\NVIDIA GPU Computing
  Toolkit\CUDA\v10.0\extras\CUPTI\libx64

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin

然后是方法二：将下图一中的文件夹的内容对应添加到下图二中同名的文件夹中


最后就是测试了，随便用一个软件在你的这个环境中进行如下编码

import tensorflow as tf
tf.test.is_gpu_available()

返回True就完成了！！！