硬件环境:RTX3060Ti+华硕TUF Gaming B660M-PLUS DDR4
下载驱动精灵将所有驱动更新至最新版本
地址:驱动精灵_驱动更全、匹配更准、下载更快!
①在CUDA Toolkit Archive | NVIDIA Developer下载CUDA Toolkit 11.2.2 (March 2021), 稍后安装
②在cuDNN Archive | NVIDIA Developer下载Download cuDNN v8.1.1 (Feburary 26th, 2021), for CUDA 11.0,11.1 and 11.2稍后安装
③在Index of /下载windows版本的anaconda,然后安装,安装时注意不要勾选“添加到path”和“安装python3.X作为默认解释器”
安装CUDA,选择精简安装,默认安装路径在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
将cudnn-11.2-windows-x64-v8.1.1.33.zip\cuda\bin\下所有文件复制到CUDA目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin\
再将cudnn-11.2-windows-x64-v8.1.1.33.zip\cuda\lib\x64 下所有文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64\
1在系统变量中,CUDA安装程序会自动增加CUDA_PATH
和CUDA_PATH_V11_2
变量取值为安装目录
2. 修改系统变量的Path变量,在最前面增加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin;C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64;
两个目录
3. 在系统变量中,增加变量名TF_GEFORCE_GPU_ALLOW_GROWTH
,取值为true。不知干嘛的,从别人教程里搬过来的
1.创建一个tf环境 conda create -n mytf python=3.7(务必指明python版本)
2.
进入tf环境conda activate mytf
3.安装tf-gpu,conda create tenserflow-gpu==2.6.0(务必指明版本)
4.安装nb_conda支持jupyter相关操作,conda install nb_conda
5.将mytf环境内核添加到jupyter notebook,python -m ipykernel install --user --name mytf --display-name “mytf”
6.启动jupyter测试安装,jupyter notebook
测试安装
import tensorflow as tf
print('GPU',tf.config.list_physical_devices('GPU'))
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
使用内核mytf创建工程文件
测试结果
我们注意到jupyter notebook启动后默认打开C:\Users\用户名,关于默认工作目录的修改,可参考:默认工作目录修改
本文重点参考:Windows10下成功安装Tensorflow-GPU过程(GTX 3060) - 知乎