RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验

主要参考博客
Win10+Pycharm+Anaconda3+显卡RTX3060配置tensorflow-gpu2.4.1

配置时间:2021.10.26
以下是我亲测有效的使用 RTX 3060 的各部分安装版本
电脑系统:window 10
python版本:3.6.13
tensorflow-gpu:2.4.1
CUDA版本:11.2
cuDNN版本:8.2.0.53

以下是我个人安装教程,仅供参考,如果出现新问题我恐怕可不能解决,谨慎参考,大神请随意~

注意,我之前已经成功配置pytorch1.8.0 环境,故这里不会详细写:安装Anaconda 以及 安装CUDA和cuDNN。

其他博客的顺序如下:
1、安装Anaconda 2、安装CUDA和cuDNN 3、 安装tensorflow-gpu2.4.1

文章目录

  • 第一步:安装Anaconda
  • 第二步:安装CUDA和cuDNN
  • 第三步:安装tensorflow-gpu2.4.1
  • 测试

第一步:安装Anaconda

详细步骤可参考我的上一篇博客RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验

1、打开anaconda prompt
2、命令行输入: conda create --name tf_gpu python=3.6
3、命令行输入:conda activate tf_gpu

第二步:安装CUDA和cuDNN

详细步骤可参考我的上一篇博客RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验

没有进行任何改动

第三步:安装tensorflow-gpu2.4.1

参考博客Win10+Pycharm+Anaconda3+显卡RTX3060配置tensorflow-gpu2.4.1

1、打开anaconda prompt
2、命令行输入:conda activate tf_gpu
3、命令行输入:pip install tensorflow-gpu==2.4.1
RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验_第1张图片
4、将该环境配置到Pycharm中:

在File, settings中找到Python Interpreter, 点击设置按钮选择“Add”
选择Existing environment
将自己刚配置的tensorflow-gpu环境的地址选中
RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验_第2张图片
RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验_第3张图片

测试

import tensorflow as tf

print(tf.__version__)
print(tf.test.is_gpu_available())

返回False
RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验_第4张图片
采用原博主方法 Win10+Pycharm+Anaconda3+显卡RTX3060配置tensorflow-gpu2.4.1
虽然CUDA版本不一样,报错内容不一样,但是好像神奇的可以解决

解决方法:
1、在cuda安装目录下的bin文件夹下找到cusolver64_11.dll
我的目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
2、将其重新命名为cusolver64_10.dll
在这里插入图片描述
返回True
RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验_第5张图片

在测试一下有没有影响pytorch的GPU使用
RTX3060+win10+CUDA11.2+cudnn8.2.0+tensorflow-gpu2.4.1 ——个人配置经验_第6张图片
没有影响~

大功告成!

你可能感兴趣的:(环境配置,tensorflow)