Windows系统配置tensorflow2环境

本文整理了笔者在windows系统下配置tensorflow2的GPU运行环境时遇到的一些问题。

安装NVIDIA驱动程序

要想使用GPU运行深度学习模型，首先要确保你的计算机上有独立显卡，并安装与你的显卡适配的NVIDIA驱动程序，显卡信息查看方式为“控制面板-小图标查看方式-设备管理器-显示适配器”，NVIDIA驱动程序可以上官网下载并安装。

安装CUDA

安装好驱动程序后还需要安装适配版本的CUDA，下载及安装方法参考这里。
具体来说，首先查看NVIDIA驱动程序版本。在桌面上右键选择NVIDA控制面板（如果没有该选项这说明尚未安装NVIDIA驱动程序或该计算机上没有GPU），打开后依次选择“菜单栏帮助-系统信息”，并弹出如下窗口：

红框中即为你安装的NVIDA控制面板版本。然后去官网中查看适配的CUDA版本（Table 3），最后从官网下载并安装该版本的CUDA，例如笔者安装的是CUDA 11.5，下载地址在这里。

创建环境

笔者创建了一个tensorflow的专用虚拟环境，当然你也可以直接使用base环境并跳过这一步，这个完全看个人需要。
使用命令行来创建环境。首先使用如下代码来查看现有环境：

conda info -e

创建一个新环境：

conda create -n tensorflow python=3.8 # 此处tensorflow可替换为任意环境名称，python版本可按需要更改

激活创建好的新环境：

conda activate tensorflow # 此处tensorflow应替换为你的环境名称

配置环境

创建好后就可以开始配置tensorflow的环境了。首先使用命令行安装tensorflow：

pip install tensorflow

安装好后，笔者在python中使用tf.test.is_gpu_available()来检验是否可以使用GPU，结果出现了如下bug：

Could not load dynamic library ‘cusolver64_11.dll‘； dlerror: cusolver64_11.dll not found
Could not load dynamic library ‘cudnn64_8.dll‘； dlerror: cudnn64_8.dll not found

在网上查了一下，只要将报错中提示缺失的两个组件安装上即可。

• 第一个是cusolver64_11.dll，下载及安装方法可以参考这里。
• 第二个是cuDNN，直接去官网下载即可，新用户需要先注册一个NVIDIA账号，注册好后就可以免费下载并安装了。详细安装方法可以参考这里。

安装好这两个组件后笔者就可以正常使用GPU来运行tensorflow了！

参考资料

[1] https://blog.csdn.net/qq_23013309/article/details/103965619
[2] https://blog.csdn.net/hungita/article/details/120150989
[3] https://blog.csdn.net/wilde123/article/details/116903346