TensorFlow2.4 GPU版安装教程

昨天及今天费了很大的劲，终于在conda下安装好了
CUDA11.6+cuDNN8.6+tensorflow2.4GPU，（该总结只适合已经安装好CUDA11.0和cuDNN8.0的朋友们，如若未安装，请先安装好这两个再参考本文）

由于在配备过程中经历了较多坎坷，老师的教案对我来说配置一直失败，清华的镜像一直出现依赖不匹配的问题（之前我在配置cpu也出现了同样的问题），但不知道之后为什么突然就好了，但我在配置TensorFlow2.4.0GPU版本它始终存在问题，然后我翻阅了很大资料后使用了阿里云的镜像，

TensorFlowGPU2.4版本适配。但是清华源不存在该版本的TensorFlow，只能找替代方案，最后找到在阿里云有，直接在阿里云源下载安装就行了。最后测试完美。

步骤如下：

1.创建TensorFlow环境

以管理员身份打开anaconda prompt

conda create -n tf2.4 python=3.8

然后进入并激活

conda activate tf2.4

2.安装TensorFlowGPU2.4版本

输入下载阿里云镜像版本
在此我强烈建议，各位不要使用清华的镜像，因为本人被坑N此了，强烈建议个人使用阿里云镜像

pip install tensorflow-gpu==2.4.0 -i https://mirrors.aliyun.com/pypi/simple/

同时，还有一点值得说的是阿里云速度非常快，瞬间就完成了，测试如下

3.测试

3.1输入python进入代码编写界面

python

3.2输入tf.__version__查看TensorFlow版本

import tensorflow as tf
tf.__version__

3.3最后测试GPU情况

输入

tf.test.is_gpu_available()

可以看到算力7.5，以及下方的TRUE就表示成功了。

4.最后简述一下本人配置过程中的坑，以供大家借鉴

4.1Could not load dynamic library ‘cusolver64_10.dll’； dlerror: cusolver64_10.dll not found 错误解决

1. 在安装tensorflow时候遇见这个错误时这个时候不用急，因为基本上你离最后一步安装成功就只差最后一步了
2. 找到你所安装的cuda下的bin目录 例如我的是:
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
3. 在该目录下搜索文件名 发现 cusolver64_11.dll
4. 将该文件其复制桌面 重命名为 cusolver64_10.dll 然后将该文件移动到bin目录下面
   大功告成
   
   测试成功
   

4.2环境变量

配置后的环境不了必须存在以下三个

通常系统未给我们添加

这个需要我们自行添加环境变量

4.3就是版本问题

大家按照链接: tensorflow官网对应的版本配置，切记勿配置错版本，本人没有遇到这个问题。

同时说明一下版本的问题（不是相等是大于关系）

例如本人使用的是

CUDA11.6的版本
cudnn 8.6的版本
python3.8的版本
tensorflow-gpu2.4的版本

4.4使用阿里云镜像，切勿使用清华镜像

下图是使用清华镜像的代码

而使用阿里云确是更加的方便，快捷，也没有依赖的问题。