【Win11+RTX3050显卡】cuda+cudnn+tensorflow 环境配置

【Win11+RTX3050显卡】cuda+cudnn+tensorflow 环境配置

CUDA 11.5 cudnn 8.3.3 tensorflow-gpu 2.6

1、名词解释

• CUDA：CUDA 即英伟达的显卡并行计算框架
  nvidia-smi 可以查看，每个版本的CUDA都是基于一定版本的驱动建立的，所以它对驱动的最低版本是有要求的
• cudnn：cudnn 是基于CUDA架构的神经网络库
  是专门用于神经网络计算的加速包，可以看作是CUDA的一部分（并行计算框架下的一个包）
• tensorflow：tensorflow-gpu的运行需要用到CUDA框架， 特别是cudnn库，就像CUDA是基于特定版本驱动构建一样，tensorflow-gpu也是调用特定版本的CUDA，二者存在对应关系

2、安装RTX3050显卡驱动

• 首先，先卸载电脑自带的所有与显卡有关的部分，如下图：
  
• 其次，搜索框输入“nvidia”，进入NVIDIA控制面板，查看显卡型号；
  
  
• 最后，去NVIDIA官网下载对应显卡的驱动 驱动下载地址
  

3、CUDA

3.1 确定合适的CUDA版本

首先， “Win+R”打开后端，输入“nvidia-smi”查看系统支持的CUDA最高版本

其次，去CUDA官网查看对应的CUDA版本，链接直达查看

3.2 下载CUDA

CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive，我选择下载的是11.5

3.3 安装CUDA

双击打开下载的文件，选择路径


点击“同意并继续”

选择“自定义安装”

因为，我前面已经安装过VS C++，所以，这里只需要勾选这一个就可以了。




测试是否安装成功，“Win+R”打开后端，输入“nvcc -V”，显示版本表示安装成功。

4、安装cudnn

4.1 确定cudnn版本

点击链接选择对应cuda版本的cudnn及逆行下载，https://developer.nvidia.com/rdp/cudnn-archive


下载前，需要先进行注册登录；

4.2 下载cudnn

将下载的文件解压

将cudnn中解压的文件，分别复制到cuda中对应的文件夹下【注意是复制过去，不是替换掉】

4.3 验证cudnn是否安装成功

• 首先，“Win+R”打开后端，cd到CUDA安装目录下的.…\extras\demo_suite【如果前面CUDA安装到了D盘，**“cd/d 路径”**即可切换到D盘路径，同理E盘类似】
• 其次，分别执行“bandwidthTest.exe”和“deviceQuery.exe”
• 最后，得到“Result=PASS”，表示安装成功
  

5、安装tensorflow

根据自己需要选择GPU或CPU版本，官方版本在2.0之后不再区分GPU和CPU，tensorflow官网

5.1 确定tensorflow

根据安装的CUDA和cudnn的版本，选择对应版本的tensorflow-gpu进行安装

5.2 搭建虚拟环境

此处为了防止tensorflow版本不合适，所以先搭建了虚拟环境，在虚拟环境中对tensorflow进行安装，建议大家养成搭建虚拟环境的好习惯。

5.2.1 虚拟环境

-首先，“Win+R”进入终端

conda create -n tf_gpu python=3.8       //创建一个名为“tf_gpu”，且python版本为3.8的一个虚拟环境
conda env list                          //查看系统中存在哪些环境
activate                                //激活基础环境
conda activate tf_gpu                   //激活名为“tf_gpu”的虚拟环境
deactivate tf_gpu                       //退出名为“tf_gpu”的虚拟环境
conda remove -n tf_gpu --all            //删除名为“tf_gpu”的虚拟环境
conda remove --name $tf_gpu  $package_name(包的名字)     //删除虚拟环境“tf_gpu”中的包

5.2.2 虚拟环境中安装路径问题

【在虚拟环境中用conda和pip安装的包的路径问题】

• pip install（Anaconda不同环境之间pip install的路径问题）
  初始的pip有默认的下载位置，创建好虚拟环境之后，修改该虚拟环境下，pip安装包的位置（防止个环境之间pip安装包的影响），修改pip安装位置的方式如下：

1. 先找到设置pip install的路径的文件的位置

python -m site -help       //查看修改【虚拟环境tf_gpu的pip安装路径】的文件位置

2. 通过修改文件内容来修改安装路径
   修改两个地方即可：
   USER_SITE = “”
   USER_BASE = “”

修改为：
USER_SITE = "D:\\Anaconda3\\envs\\tf_gpu\\Lib\\site-packages"
USER_BASE = "D:\\Anaconda3\\envs\\tf_gpu\\Scripts"

• conda install（conda 和 pip的区别&创建虚拟环境和下载第三方库的方法）
  对于我自己的系统来说，我的conda 的安装路径是“D:\Anaconda3\pkgs”

所以，在某个环境中下载了包，再到另一个环境中下载同样的包时，conda会自动在上面的目录里找，如果有，不会重复下载，而是将这个包的site_package下的文件复制到当前环境下。和直接pip install 一样了。
使用conda uninstall时，和pip uninstall 一样，删除了当前环境site_package中的包的内容，但是在上述目录里面还存在这个包。