TensorFlow-GPU-2.4.1与CUDA安装教程

前言

这篇文章是我二刷TensorFlow-GPU安装，最近需要在新的电脑安装环境，我翻了以前自己写的安装笔记：TensorFlow-GPU-CUDA无痛安装教程Windows篇，但是安装完因为版本的原因，出了一些新的问题，打算推倒再来一遍，因为是二周目，所以这篇文章我会更注重一些常见的安装问题与解决方法，希望可以帮的到你！！

安装前须知

首先要确定自己，是以当前NV显卡的CUDA版本为主，还是以TensorFlow-GPU的版本为主

NV显卡CUDA版本

右键—>NVIDIA控制面板—>配置PhysX—>设置显卡为主显卡
这里可以看到我目前的显卡CUDA版本是11.6.127
以CUDA版本为主的话，我们接下来就以11.6的版本去安装（这里按照你的CUDA版本为主）

以TensorFlow-GPU版本为主

这里我列出最新的TensorFlow-GPU的版本与对应的支持：具体可以看官方网站支持

这里我将以TensorFlow-gpu==2.4.1版本来安装

小结

这里主要以两个目标为主，看各自的需要了，CUDA版本与TensorFlow版本的对应问题可能会导致后续的DLL文件不全，关于DLL文件的问题，摆烂，缺什么补什么就好…

CUDA安装

NVIDIA CUDA官方网站

打开运行下载的exe
第一个路径文件是临时解压的路径，安装结束后会自己删除的
进入安装程序



选择——自定义（高级）

这里安装选项中，必须选择CUDA（其余的：第二个是NVIDIA驱动程序，如果已安装可以不用安装，第三第四是一些额外的环境需要，按需安装，非必要）

路径可以选择：但一定记住自己的安装位置


完成后结束

配置环境变量

进入环境变量配置
检查系统变量有这两个，没有得补上：

在系统变量里继续添加如下变量：
（在配置环境路径建议进入相应的目录验证一下）

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1  #具体路径具体修改
#以下不需要修改：
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64  
CUDA_BIN_PATH = %CUDA_PATH%\bin 
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

在系统变量path中添加以下：

%CUDA_LIB_PATH%
%CUDA_BIN_PATH% 
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\common\lib\x6 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\bin\win64

多版本CUDA共存问题

再安装新的CUDA后，需要把旧版本的环境变量其中包括CUDA_PATH更改为新版本的环境变量，然后PATH里的把新版本的放到旧版本的上面
NVCUDASAMPLES_ROOT改成新版本的路径。

CUDA验证

进入cmd输入：

nvcc --version

前提是配置好环境：

验证bandwidthTest和deviceQuery

在cmd中：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

bandwidthTest.exe
deviceQuery.exe

PASS代表通过

CUDNN安装

CUDNN官方网站
安装前面对应的关系下载对应的版本（这里下载需要注册账号，随意注册填写即可）

把压缩包解压后打开，之后全选复制到你的CUDA目录下：

安装tensorflow-gpu2.4.1

没有Anaconda的在cmd中

pip install tensorflow-gpu==2.4.1

有Anaconda进入环境下载即可

conda activate tf
pip install tensorflow-gpu==2.4.1

安装完成后验证一下版本：

import tensorflow as tf
tf.__version__

查看tensorflow-gpu是否可用

tf.test.is_gpu_available()

返回了True即可用

完整测试TensorFlow-GPU的可用性

测试代码：

# Coding BIGBOSSyifi
# Datatime:2022/4/24 17:33
# Filename:Facial.py
# Toolby: PyCharm

import tensorflow as tf

#避免爆内存，设置一个GPU内存增长的过度消耗
gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu,True)
    print(gpus)

测试结果：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

数据运算测试：

# Coding BIGBOSSyifi
# Datatime:2022/4/24 19:45
# Filename:tstest.py
# Toolby: PyCharm

import tensorflow as tf

# print('GPU', tf.test.is_gpu_available())

tf.compat.v1.disable_eager_execution()

with tf.device('/cpu:0'):
    a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a')
    b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b')
with tf.device('/gpu:1'):
    c = a + b

# 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
# 因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(allow_soft_placement=True, log_device_placement=True))
# sess = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
sess.run(tf.compat.v1.global_variables_initializer())
print(sess.run(c))

测试结果：

add: (AddV2): /job:localhost/replica:0/task:0/device:GPU:0
init: (NoOp): /job:localhost/replica:0/task:0/device:GPU:0
a: (Const): /job:localhost/replica:0/task:0/device:CPU:0
b: (Const): /job:localhost/replica:0/task:0/device:CPU:0

[2. 4. 6.]

一些测试出现的问题

运行测试代码的时候会出现：

Could not opened dynamic library cudart64_110.dll
Could no topened dynamic library cublas64_11.dll
Could not opened dynamic library cublasLt64_11.dll
Could not opened dynamic library cufft64_10.dll
Could not opened dynamic library curand64_10.dll
Could not opened dynamic library cusolver64_10.dll
Could not opened dynamic library cusparse64_11.dll
Could not opened dynamic library cudnn64_8.dll

这里的问题就是我们缺失以上的.dll文件（根本原因还是CUDA和CUDDN的版本的问题）

解决

我尝试过卸载重新对于版本的安装，但是还是会出现这样的问题，那就对症解决dll吧
TensorFlow缺失的DLL文件：https://pan.baidu.com/s/1A0WVIxSC1EEvVuEk5hFVMg?pwd=mdzz
提取码：mdzz
把文件解压了全部复制到目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin

这里还有一个情况，我的显卡CUDA11.6，复制到\CUDA\v11.0\bin依然没有解决，这里高版本CUDA需要复制到新的目录：C:\Windows\System

再次运行就可以解决了！！！

无法定位程序输入点OPENSSL_sk_new_reserve于动态链接库libffi-8.dll

这个问题是Anaconda内部文件DLL无法定位：

复制替换到D:\Anaconda\Library\bin即可

结语

二周目还是遇到很多的问题…emmm…TensorFlow–GPU的配置真的坐牢，如果有小伙伴按照我的方式出现了某些问题，可以评论区留言或私信我