tensorflow 2.6.0 GPU环境 windows10 安装配置

前言

本文讲述tensorflow2.6.0版本（截至本文发表时的最新版本）在windows10中的GPU环境配置
笔者电脑配置：两张RTX2080 Ti显卡

参考

1. 【官网】GPU 支持
2. 手把手教你安装TensorFlow2 GPU 版本
3. tensorflow GPU测试tf.test.is_gpu_avaiable()返回false解决方法
4. win10 卸载cuda

注意

• 请按照本教程的顺序进行配置
• 本教程没有使用Anaconda安装tensorflow，如果你一定要用Anaconda，请继续寻找其他教程。本教程使用PyCharm自带的包管理系统进行安装（和pip类似）

1 安装CUDA

• 版本：CUDA® 11.2
• 下载地址：https://developer.nvidia.com/cuda-11.2.0-download-archive

1.1 卸载之前的CUDA

• 如果你之前安装过CUDA的低版本，请首先卸载之前的CUDA：
  首先打开控制面板->程序->卸载程序，找到所有与CUDA相关的程序，全部卸载掉，注意不要卸载NVIDIA的图形驱动程序、NVIDIA Physx系统软件，NVIDIA GeForce Experience这三个软件，只卸载包含“CUDA”的软件。
  

1.2 安装NVIDIA® GPU 驱动程序

• 如果你的电脑上没有安装NVIDIA的驱动程序，请先下载驱动，版本要求450.80.02 或更高版本。
• https://www.nvidia.com/download/index.aspx?lang=en-us

1.3 安装CUDA

1. 首先下载CUDA的安装包，版本11.2.0，下载地址https://developer.nvidia.com/cuda-11.2.0-download-archive，CUDA列表地址（放置这个地址仅供参考，以防上面的地址失效）：https://developer.nvidia.com/cuda-toolkit-archive
2. 下载完成之后双击进行安装，任意选择安装路径并点击OK（这个路径只是一个临时安装文件的路径，安装结束后会被自动删除）
3. 选择【精简】，进行安装
4. 后边的选项随便选都行

2 安装cudnn

• 版本：8.1.0
• 下载地址：https://developer.nvidia.com/zh-cn/cudnn

2.1 下载

1. 按照上面的地址进行下载cudnn，这可能需要登录你的NVIDIA账号，如果没有账号可以快速注册一个。
   【注意】勾选下面的加入NVIDIA developer program
   
2. 注册完成之后再次点上面的地址下载，这时需要你填写一个简单的问卷，填写完成提交
3. 找到Archived cuDNN Releases，点击进入
   
4. 找到8.1.0版本的cudnn（注意应该对应CUDA11.2版本），点击下载
   

2.3 解压和安装

下载完成后进行解压，并将里面的cuda文件夹复制到CUDA的安装目录下。此处可能弹出需要管理员权限的提示信息，点击继续即可。（下图取自博客手把手教你安装TensorFlow2 GPU 版本，注意此图中CUDA版本为10.1，我们的应该是11.2）

3 配置环境变量

• 【注意】在命令行中使用代码配置环境变量时，经笔者测试，无法立即生效，对于使用命令创建环境变量我还没太搞清楚，建议使用环境变量窗口创建。
• 以下代码参考Tensorflow官网，具体代码和你CUDA以及cudnn的安装位置有关。

SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\cuda\bin;%PATH%

• 其实就是把上面的四条环境变量加入到系统环境变量Path中。

4 设置独立显卡

1. 打开NVIDIA控制面板（NVIDIA Control Panel）（如果找不到在哪可以搜索一下）
   
2. 配置Physx，选择某一个显卡作为独立显卡，然后关闭窗口
   

5 安装tensorflow-gpu

• 【注意】不要使用Anaconda，因为截至我发表这篇博客，Anaconda没有tensorflow-gpu的2.6.0版本，最高支持2.5.0。我使用的是Pycharm的自带包管理器，很好用。
• 【注意】一定是GPU版本

1. 打开PyCharm，创建工程（或者打开一个已有的工程），点击文件->设置->项目->python解释器（如果你的操作界面是英文的，可以在插件市场里找到免费的官方汉化包）
   
   
2. 点击右侧的设置图表，点击【添加】，选择Virtualenv环境，设置环境的位置（如果这个环境想要公共使用，可以放在一个公共的路径下，如果仅是这个项目使用，可以就放在这个项目的venv环境里），选择python解释器的版本（官方提供有3.8和3.9版本，你也可以自己下载python版本，这里就不详细说了）
3. 设置好后，点击软件包列表左上角的加号，添加包。
4. 在这个窗口左下角有一个【管理仓库】，在这里可以添加一些pypi镜像，我是用的是阿里云镜像https://mirrors.aliyun.com/pypi/simple/，注意一定是https开头的镜像路径。
5. 输入tensorflow-gpu搜索，找到阿里云镜像下的包，进行安装
   
6. 等待安装完毕

6 重启

7 测试

在python解释器中输入如下代码进行测试

import tensorflow as tf
tf.test.is_gpu_available()

如果最后打印出来True，那就说明你成功了。
如果打印出来False，那么可能是你的cuda、cudnn、环境变量、独立显卡、tensorflow版本等问题引起的，一般不会输出错误信息，这时，你就需要继续寻找教程了，拜拜