基于Tensorflow-gpu2.5.0的深度学习训练框架搭建教程

** 基于Tensorflow-gpu的深度学习训练框架搭建教程**

---

前言

由于个人PC以及工作站的硬件配置差别很大、这将导致显卡驱动与tensorflow-gpu不兼容的问题。本文是在win10系统下一站式深度学习训练框架的搭建流程，主要内容包括GPU驱动版本匹配、下载安装、系统环境变量配置、tensorflow-gpu版本匹配以及安装测试。下列是一次成功案例的各文件版本：
1、GPU型号：Geforce RTX 3060，显卡驱动程序版本：466.92
2、CUDA版本：11.2.0
3、cuDNN版本：8.1.1
4、tensorflow-gpu版本：2.5.0

---

1、GPU驱动

1.1、CUDA驱动下载与安装

为了寻找与tensorflow-gpu版本相匹配的CUDA驱动与cuDNN驱动版本，首先要确认电脑上显卡的驱动程序版本，查看流程是：打开NVIDIA控制面板——帮助——系统信息——驱动程序版本。

通过显卡驱动版本编号可以与英伟达官方网站的CUDA版本号对应，找到与显卡匹配适用的CUDA版本，例如我的显卡驱动程序版本号为466.92，因此只能选择低于11.3.1以下的CUDA版本，考虑到稳定性就选用了11.2.0版本。官网链接：CUDA版本匹配链接，下拉找到如下图所示的版本对应列表Table 3。
找到对应且的CUDA驱动版本后，在CUDA驱动官网进行下载，官网链接：CUDA驱动官方下载，点击选择相应地版本后，继续勾选windows版本以及local(exe)格式下载至本地安装，由于文件较大，建议采用迅雷下载。双击exe文件进行安装，使用默认的安装位置即可，之后在安装它的流程中建议以自定义的方式安装，当然也可根据实际情况去掉某些不必要的组件。

1.2、cuDNN下载与安装

当CUDA驱动安装完毕后，需要找到与它相匹配的cuDNN版本，这里可以直接在cuDNN官网进行选择，官网链接：cuDNN官网下载。Tips：登录该网站后，如果想直接点击下载的话，网站会提醒用户注册，若不想注册就下载，则可以按照下图所示操作。复制下载链接后，使用迅雷下载即可。下载完成后将解压，将解压后的文件夹中的三个文件分别复制到CUDA驱动在其默认安装路径下的同名文件夹中，由于在CUDA驱动安装的时候选择的是默认路径，因此我的CUDA驱动位置在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2。

1.3、配置系统环境变量

右击此电脑——属性——高级系统设置——环境变量，将下图中的红色框中的添加至环境变量中，如果用户安装CUDA驱动时选择的是默认路径，那么就仅需要修改CUDA版本号即可，即保持其它的不变，更改下图中的11.2。

1.4、测试CUDA驱动是否安装并配置成功

同时按win+R打开cmd控制面板，如下图所示，输入ncvv -V查看CUDA版本号。此外，也可进一步测试，在下图中的命令行继续输入：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite\bandwidthTest.exe，若出现result = Pass，则表示配置成功。至此，GPU驱动安装配置完毕。

2、Tensorflow-gpu安装

2.1、Tensorflow-gpu版本适配

至此由于CUDA驱动版本是11.2，因此需要选择与之匹配兼容的tensorflow-gpu版本，否则将直接导致PYTHON编译器无法调用tensorflow-gpu进行深度学习训练，同时报错。可在谷歌官网上查看Tensorflow-gpu版本与CUDA驱动版本的对应关系。官网链接：Tensorflow-gpu与CUDA版本对应关系。由于CUDA与cuDNN的版本已经确定，只需要确认python的版本在合适的范围内即可，最后锁定tensorflow-gpu的范围在2.5.0版本及以上，

2.2、Tensorflow-gpu安装

在cmd控制面板中将路径转至anaconda3中的pkgs下使用pip install tensorflow-gpu == 2.5.0下载安装即可。

2.3、Tensorflow-gpu测试

安装完毕后输入python在cmd控制面板中进入python编辑环境，随后键入import tensorflow as tf 以及查看是否可以调用GPU的指令：tf.test.is_gpu_available()，点击回车，若在最后出现True则表示成功调用GPU。

3、可能出现的问题

在python编译器的控制台中，有可能会出现CUDA的某个文件找不到的现象，如下图所示，这是因为在CUDA的驱动文件中的这个文件与tensorflow-gpu需要文件的名称的不匹配，只需要在CUDA驱动文件中将其以管理员的身份改名即可。

总结

至此，整个基于TensorFlow-gpu的深度学习训练框架搭建完毕，祝大家好运，Congratulations！！！