win10/win11系统安装Tensorflow-GPU

版本信息确认

Tensorflow-GPU的安装对版本要求很高，在下载之前一定要将电脑自带显卡、python、CUDA和cuDNN的版本信息核对清楚。以我自己笔记本为例：

显卡：NVIDIA GeForce RTX 3060 Laptop GPU；

Python：我电脑安装了两个版本，分别是anaconda环境下3.9以及自己下载的3.10，按需使用；

CUDA：根据NVIDIA控制面板查阅自己显卡支持的最高版本CUDA，我的显示是CUDA11.4，CUDA版本向下兼容，考虑到Tensorflow-GPU目前的最新版本最高支持到CUDA11.2，因此CUDA选择11.2版本即可；

cuDNN：根据CUDA11.2，选择对应版本的cuDNN为cuDNN8.1；

Tensorflow-GPU官网查看版本对应关系

官网链接：https://tensorflow.google.cn/install/source_windows?hl=en#gpu

查看显卡信息 

右键我的电脑打开管理，选择设备管理器，打开显示适配器，就能看到显卡信息。

Python信息与安装 

关于python的安装还有anaconda下python的安装，网上教程很多，我就不展开介绍了，如有疑问，可以私信我或者评论留言。

CUDA信息查看与安装

首先检查显卡驱动：配有显卡的笔记本一般自动安装最新显卡驱动了，不用更换。

针对独立显卡，通过打开命令提示符cmd输入nvidia-smi能够查看到下图信息就说明你电脑的显卡驱动已经安装好了。并且根据提示框显示，能够看到显卡支持的最高版本CUDA为CUDA11.4。

​

若是查不到显卡信息，需要安装显卡驱动，这部分内容参考我另篇文章有介绍。链接如下：

(2条消息) Win10搭建GPU版Darknet——VS2019+CUDA+CUDNN篇_小刘今天开心了嘛的博客-CSDN博客_win10安装darknet

下载CUDA的链接：CUDA Toolkit Archive | NVIDIA Developer

为了匹配Tensorflow-GPU，这里我选择下载CUDA11.2版本。下载完成后，安装的时候最好关上防火墙。打开安装文件，管理员运行会出现下图，这是临时解压目录，默认即可。

​

一共会设置两次解压目录，分别为临时解压目录与安装目录。临时解压路径默认即可，不用管它。安装结束后，临时解压文件夹会自动删除；安装目录路径建议默认 (注：临时解压目录与安装目录的安装路径不能设置一样，否则安装结束后会找不到安装目录)，选择安装目录时要注意记录安装路径，后面配置环境变量还会用到。

进入安装界面后，系统检查、许可协议默认就行，安装选项自定义。如下图，打开看到下面两项我当前版本高于新版本，所以就取消勾选，这个按自己实际安装情况来选择就行。 

​

接着就到了选择安装位置这步了，这里建议默认路径，并将路径记录下来。紧接着后面下一步安装即可。到这里CUDA就安装完成了。 

​

 安装完成后，需要检查环境变量并添加新的环境变量。计算机上点“右键”，打开“属性”->“高级系统设置”->“环境变量”，能够看到系统变量里新增了以下4个变量。

​

接着编辑系统变量下的Path变量，添加以下4个变量，如下图绿框显示。红框路径是安装完CUDA自动生成的。找文件夹可以使用之前记录的安装路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

 ​

​ 

可以通过“Win+R”打开命令行输入“cmd”，输入“nvcc -V”查看是否安装成功。安装成功如图所示： 

​

cuDNN信息查看与安装 

关于cuDNN的介绍，在我另一篇文章里有写。这里主要记录其安装方式。官网下载需要注册等步骤，比较麻烦时间还长，这里再给出下载链接：

链接：cmd

直接在下图中找到与自己CUDA版本匹配的cuDNN版本，点开发现有很多不同操作系统下的cuDNN，我的是windows操作系统，按自己系统选择就行。

​

​ 

下载完成后，将压缩包解压。打开解压后的文件，打开之前记录的CUDA文件路径…:\......\NVIDIA GPU Computing Toolkit\CUDA\v11.2文件夹。与cuDNN目录进行比对： 

​

将cuDNN文件夹的bin、include、lib、.txt的内容复制到CUDA对应文件夹内。 

​

​

​ ​

检查是否安装成功：打开CUDA安装路径…:\...\NVIDIA GPU Computing Toolkit \ CUDA \v 11.2，找到extras\demo_suite文件夹。 

通过“Win+R”打开命令行输入“cmd”后，cd到安装目录下的demo_suite，然后分别执行bandwidthTest.exe与deviceQuery.exe，成功的话会得到下图：

 Tensorflow-GPU的安装

安装Tensorflow-GPU有两种方式：一是自己安装的python，这种直接到目标文件夹下，鼠标右键点击在终端中打开pip安装即可。

安装语句：pip install tensorflow-gpu -i http://pypi.douban.com/simple

我是在清华镜像源下载的，没有指定版本按最新版本下载，切记要与CUDA版本对应。

下面给出几个镜像源：

清华镜像：Simple Index

中科大镜像：https://pypi.mirrors.ustc.edu.cn/simple

豆瓣镜像：http://pypi.douban.com/simple

阿里镜像：https://mirrors.aliyun.com/pypi/simple

百度镜像：https://mirror.baidu.com/pypi/simple

在pycharm中新建.py文件，测试Tensorflow-GPU是否安装成功，代码如下： 

import tensorflow as tf
print(tf.test.is_built_with_cuda())
#若输出为true则表示cuda安装成功
print(tf.config.list_physical_devices('GPU'))
#若输出为true则表示能够使用gpu
print(tf.test.is_gpu_available())

如果输入结果显示如下，说明Tensorflow-GPU安装成功。

中间红色的警告部分，根据我在网上查阅的资料，并不是报错。

下面是运行过程出现的问题，从下面图可以看出来。显示缺少很多dll文件。

 解决办法：找到CUDA安装路径下的bin文件夹：…:\...\NVIDIA GPU Computing Toolkit \ CUDA\ v11.2\bin文件夹，从中找到报错提示信息缺失的.dll文件，然后根据报错提示将相应dll文件复制到文件夹C:\Windows\System中，就解决啦。

 完结完结！

有问题可以评论或私信留言~