深度学习TensorFlow—GPU2.4.0版环境配置，一文简单易懂详细大全，CUDA11.0、cuDNN8.0

深度学习TensorFlow—GPU2.4.0版环境配置，一文简单易懂详细大全，CUDA11.0、cuDNN8.0

前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！

前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！

前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！

本文简单易懂，现在的电脑，一般都是显卡驱动版本超过450的，在Anaconda Prompt中输入查看

nvidia-smi

比如我的查看显示驱动版本是496.76，CUDA支持版本最高到11.5,根据下面的GPU版本和CUDA、cuDNN对应版本，我选择了安装 tensorflow_gpu-2.4.0 版本。

一、TensorFlow各个GPU版本CUDA和cuDNN对应版本整理（部分）：

二、安装流程：

1、首先安装上表所示的支持环境， Compiler （编译器）和 Build tools （构建工具）：

需要官网下载MSVC2019,进行安装后，自带 Build tools 。

点击社区版下载，然后一直点击下一步。进行安装。

安装过程中出现如下需要选择工作负荷，可以先只勾选Python开发，然后点击安装，后续需要可再进行修改。

2、CUDA11.0以及cuDNN8.0下载安装本地文件安装：

选择11.00版本的CUDA，按照点击步骤进行下载到本地。

然后双击安装CUDA11.0：

可以现自定义一个临时空间，用于解压，用完便自动删除

选择自定义安装，取消勾选Visual studio intergration 和Display Driver

一直下一步，安装完成

下载cuDNN，cuDNN就相当于CUDA的补丁文件，下载时需要登陆账号，网络访问慢的，可以下载我的上传的百度网盘文件：

下载后解压，然后将文件夹复制到cuda安装文件夹里：

3、检查CUDA是否配置成功：

打开cmd，输入nvcc -V：，可以看到CUDA版本为V11.0:

进入此文件路径：（也就是安装的cuda文件夹的路径）

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

进入cmd：

分别输入：

.\bandwidthTest.exe

.\deviceQuery.exe

最后执行结果为Pass，说明配置好了！！！

4、anaconda配置虚拟环境Tensorflow24：

打开Anaconda Prompt，创建一个虚拟环境，python版本为3.8：

conda create -n Tensorflow24 python=3.8

进入环境，安装命令：

conda activate Tensorflow24  ##进入环境
pip install tensorflow==2.4.0  -i https://pypi.mirrors.ustc.edu.cn/simple

安装成功后需要单独安装keras版本与tensorflow版本一致，

pip install keras==2.4.0  -i https://pypi.mirrors.ustc.edu.cn/simple

5、检查是否安装成功：

python                     #进入python环境
import tensorflow as tf    #导入Tensorflow
tf.test.is_gpu_available()  #查看GPU版本信息，并返回Gpu是否可用
exit()						#退出python环境

大功告成！@！！！！！！