安装tensorflow-gpu

一、写在前面

我安装了三天，看了n+篇博客，写的很好，但是跟我不搭边。
因此，我的enter键已经被我蓄力冲击不知道多少次了。
所以，我只能回归最简单的安装了。
电脑耐操的话可以试一试我的方法。

二、两个XPU的区别

CPU：计算精准，但是速度不快，好比大脑，精细活
GPU：速度快，但是只能做简单计算，好比四肢，流水线
（不知道这么比喻恰不恰当，大部分是这个意思）

三、前提

如果不需要anaconda来隔离环境，就直接安装在系统Python就好了
否则，需要安装好anaconda。

安装在C盘和安装在其他盘的anaconda有一些不一样。 按我实际情况，我将anaconda安装在其他盘，出现安装路径的envs没有虚环境，反而是在C盘找到了（C:\Users\Hsu.conda\envs）。这个有点意外
还有一个比较重要的情况，安装在其他盘的时候，anaconda自带的命令行界面没有识别出安装好的cuda版本，提示没有这个nvcc -V这个命令。这也是第二个意外。

但是我安装在C盘的时候没有出现这些状况。

4、安装版本须知

4.1、CUDA和CUDNN

这个安装cuda和cudnn需要你去找其他博主的博客
可以告诉你的是，需要GPU驱动版本，python版本，pytorch版本，tensorflow-gpu版本都符合才可以成功安装cuda和cudnn，你可以不着急安装，先找这些版本。

4.2 编辑系统环境变量

第一步，设置自定义变量

第二步、在Path设置

这里是方便观看，实际上我是将四条语句写在一起，在Path我只写了%MYCUDA%；（当然了，每次cuda安装时都会自己注册一个变量名，也可以利用这个来一劳永逸）

我这么设置是因为经常修改cuda的版本，你可以直接将这四个文件夹路径都写入一个变量值，用英文分号隔开。（设置一个变量值等价于设置四个变量值）

4.3、安装版本（个人版本）

1、GPU驱动版本
显卡

驱动版本：516.40

在组件中还会有一个cuda版本，可以理解为是自带的，现在安装的是自己需要的
2、Python

3、cuda和cudnn
cuda

安装完了之后打开bandwidthTest.exe和deviceQuery.exe

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

如果直接打开的话，会出现闪退；需要在命令行打开。如果打开后两个的最后几行都出现Result=PASS，则证明成功了

4、PyTorch

5、tensorflow-gpu

4.4、表格查看版本

两个版本目前的区别在于tensorflow的函数调用
10.2版本

名称	版本
驱动版本	516.40
python	3.7.13
cuda	10.2
cudnn	7.6
tensorflow-gpu	2.1
pytorch	1.10+cu102

11.3版本

名称	版本
驱动版本	516.40
python	3.9.12
cuda	11.3
cudnn	8.2.1
tensorflow-gpu	2.6
pytorch	1.12.1+cu113

5、安装库

只有装好cuda和cudnn才可以看这里。

5.1、安装tensorlfow-gpu

conda create -n tf tensorflow-gpu=2.1

在acaconda官方文档中，上面的语句是：如果你符合gpu版本的环境，系统自动帮你安装gpu版本，否则还是安装cpu
这句话的意思：创建一个虚环境tf，并且安装tensorflow-gpu=2.1

5.2、安装pytorch

pip install torch==1.10.0+cu102 torchvision==0.11.0+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

这个很大，需要等很久。可以提前下载wheel文件

5.3、11.3版本

我用yolov5的依赖来安装，将里面的内容复制在一个txt文件中，在该文件路径的命令行中输入pip install -r requirements.txt，即可安装

# YOLOv5 requirements
# Usage: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.1
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1  # Google Colab version
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
protobuf<=3.20.1  # https://github.com/ultralytics/yolov5/issues/8012

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev  # OpenVINO export

# Extras --------------------------------------
ipython  # interactive notebook
psutil  # system utilization
thop  # FLOPs computation
# albumentations>=1.0.3
# pycocotools>=2.0  # COCO mAP
# roboflow

torch：我用conda的cudatoolkit安装一直不成功，各位可以试一试
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113


tensorflow-gpu：
pip install tensorflow-gpu=2.6 -i  https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl

6、测试

1、点击，并且激活环境 tf

输入测试代码，返回两个True可能还不行。最好去找个模型去运行一下。

7、建议

软件版本能安装更高等级的就最好，因为2.5之后的tensorflow的部分api有所变化。11.3的搭配可以运行yolov5来训练自己的数据集