Tensorflow-gpu+cuda+cudnn安装

先上核心！！！ 各版本对应

1.cuda11.0

首先我们需要看你的显卡以及当前驱动的版本，根据版本我们选择cuda下载安装。据本小白测试，驱动只要高于cuda的要求即可。
驱动-cuda对应版本链接.

Tips:在查看驱动找cuda版本之前，不妨把驱动更新到最新。当然影响不是很大，但是需要满足。在NVIDIA GeForce Experience上可以检测是否为最新（非必要）。这个需要登陆，要是验证太慢，可以搞个加速器，比如某讯游戏加速器，搜索NIVDIA，加速即可。

要是没有驱动，下面是下载地址。直接下载GeForce Experience,它会根据你机器的显卡自动匹配和安装最适合的驱动。
NVIDIA GeForce Experience.

若是以上都有，我们可以直接看NIVDIA面板的系统信息，dll高于cuda要求即可。这里的驱动是11.2，只要当前是11.2以下的cuda就可以，本人下的11.0，可以运行。

本人下的是cuda11.0，是适配MX150的。
cuda下载链接.

根据电脑系统选择，前两项，版本10以上好像就是选10了，后面选local。这里下载的时候可以直接在网页上直接下载，但是其他博客说很慢，3G左右5分钟亲测。若实在是慢可以用迅雷下载，这速度，大家应该都懂的。
Tips:下载完成之后解压安装，选择自定义安装，一般只要勾选第一个CUDA即可，下面的可以不用。接下来一撸到底，环境变量自动配置。
验证！
命令行输入

nvcc -V

---

2.cudnn8.0

cudnn要匹配cuda的版本,这个需要注册登录，回答几个问题，填几个空就好了。图片就不上了，下面是链接。
cudnn链接.
注意！一定要匹配cuda的版本！！！！！！
解压之后，找到bin、include、lib目录，将cuDNN压缩包内对应的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA的对应目录下。
注意：是复制文件到bin、include、lib目录，不是复制目录。
验证！
打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite。将bandwidthTest.exe和\deviceQuery.exe拖到命令行回车即可。若两个都是result=pass,则cudnn安装成功。

---

3.Tensorflow-GPU

这个比较简单windows下pip即可，版本可以自己选。若是conda环境可以创建单独的一个环境，激活然后再安装Tensorflow-GPU。太慢可以换个源比如清华源。可参考这个文章：
换源帮助点这里

pip install tensorflow==2.4.0

完成之后可以pip list确认一下。最后到了见证奇迹的时刻啦！

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

一切正常！有一个GPU可用！

---

4.总结

以上就是安装tensorflow-gpu2.4.0+cuda+cudnn的教程，一般来说跟着做就没什么问题了，若是环境不一样就还需要参考别的博文了。好像现在的安装越来越傻瓜式了，比如添加路径什么的都能自动添加，依赖包能捆绑安装了。方便了不少。有什么问题大家可以提出来一起解决。
若是还是在cpu上跑，出现问题的几个排查点：
1.驱动跟不上需要更新（不太常见吧）
2.按下图修改选项。

3.cdunn版本对不上cuda，我这里是cudnn8.0,相差0.1也可能运行不了，0.01应该没什么问题。大部分gpu运行失败应该是这里，这就需要该降级降级，该升级升级了，可能比较烦，但是为了愉快的跑程序，值了！
4.若是有两个tensorflow，一个是cpu版，一个是gpu，那么最好gpu版本要高于cpu。其实有一个就够了，删掉cpu版的。
5.各种版本的对应重复一遍哈哈哈哈，亲测了第一行，其他应该也没什么问题，毕竟是官方的哈哈哈哈哈！