win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑

目录

  • 1. 环境准备:
  • 2. 安装tensorflow-gpu 2.6.0
  • 3. 安装cuda
  • 4. 解压cudnn
  • 5.配置环境变量
  • 6.代码测试

1. 环境准备:

cudnn和CUDA的对应
https://developer.nvidia.com/rdp/cudnn-archive
win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑_第1张图片

需要下载两个文件
在这里插入图片描述

  1. cuda v11.1
    链接 :
    https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.1.1.33/11.2_20210301/cudnn-11.2-windows-x64-v8.1.1.33.zip

  2. cudnn v8.0.4.30
    链接:https://developer.download.nvidia.com//compute/machine-learning/cudnn/secure/8.1.1.33/11.2_20210301/cudnn-11.2-windows-x64-v8.1.1.33.zip

2. 安装tensorflow-gpu 2.6.0

pycharm中或者cmd中执行 pip install tensorflow-gpu == 2.6.0
安装结果如下:
win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑_第2张图片

3. 安装cuda

安装过程中选择精简模式,其他自行下一步即可。

4. 解压cudnn

cuDNN文件解压后有bin、include、lib三个文件夹
在CUDA的安装目录:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 里面也有这些文件夹

所以将这cuDNN解压后的文件分别复制到CUDA对应的文件夹里即可!!

5.配置环境变量

win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑_第3张图片

6.代码测试

import tensorflow as tf
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))
print(tf.config.list_physical_devices('CPU'))

win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑_第4张图片
请忽视警告(WARNING),这里只是提示不要使用老版本的验证方式
显示True即可。

你可能感兴趣的:(深度学习,python,tensorflow,cuda)