Window 10 tensorflow 2.1 CUDA配置（cuda toolkit安装失败解决）

最近的project数据量都比较顶，只用cpu训练太折磨了，于是想exploit一下平时都没怎么做过功的GTX 1050。在配置过程中遇到不少问题，可能因为我遇到的问题比较独特，查了许多博客也没有完整流程，最后东拼西凑终于是解决了，于是想记录一下与大家分享，以供出现相同问题的朋友们参考。文章的目标是为tensorflow 2.1-gpu版本配置cuda，让训练能在GPU上运行。我是配v11.3的CUDA死活配不上，最后换成v10.1的CUDA了。如果是一定要求v11.3或其它版本的小伙伴，这篇文章对你可能没有什么帮助，如果只是单纯想用上GPU，就还是有参考价值的。

配置CUDA前相关的环境信息

1. Windows 10系统
2. 显卡GeForce GTX 1050
3. 通过pip安装的tensorflow-gpu 2.1.0

虽然安装的是gpu版本，但这时运行tensorflow会有警告没有检测到cuda和一些dll文件missing。这时检查一下自己的电脑中是否有NVIDIA GPU Computing Toolkit这个文件夹。它一般情况下路径是C:\Program Files\NVIDIA GPU Computing Toolkit。如果没有我们需要下载CUDA的toolkits，可以从NVIDIA官方网站下载。

CUDA toolkit v11.3安装失败的解决方式

但这里我遇到了第一个麻烦。网页搜索NVIDIA toolkit，点进最显眼的官方页面，里边只默认提供了最新版本的toolkit（我下载时是v11.3）。下载v11.3后我的安装总是失败，失败点为Nsnight visual studio edition失败。网上大多数解答是：

1. 选择自定义安装，不点选Visual Studio Integration
2. 下载一个DDU的软件，把之前的显卡驱动啥的全清干净再重新安装
3. 针对失败项，从NVIDIA官网单独下载安装

前两种方法我都进行了尝试，无法解决。第一种方法无法解决是因为我并不是visual studio integration失败了。第二种方法比较麻烦，得下载，转换安全模式，清除之前全部的显卡驱动之后重装，但同样不行，还是挂在Nsnight visual studio edition。

最终我的解决方法是放弃官方页面锁死推荐的v11.3，换成下载v10.1。其实所有的历史版本官方都有，在https://developer.nvidia.com/cuda-toolkit-archive，找到v10.1下载就行。（我下的是没有update的，以及在toolkit的推荐网页居然只锁死最新版的下载感觉有点坑）

之后就是具体的下载选择，选择符合自己配置的就好。我选择了local的安装包，之后便是下载安装。

接下来遇到一个小问题： v10.1的CUDA终于在Visual Studio Integration也挂了一次，就按照网上的经验选择自定义取消对它的勾选就好。

图形驱动程序安装失败的解决方式

然而之后我又很快的遇到了第二个问题： 图形驱动程序安装失败。这估计是之前尝试DDU解决方法后把显卡驱动全删了，然后安装程序中的版本不一致导致的。解决方法是自己先单独安装图形驱动。可以搜索NVIDIA驱动程序，或直接点右边的链接https://www.nvidia.cn/Download/index.aspx?lang=cn选择与自己显卡型号匹配的版本。我的GeForce GTX 1050是在GeForce下的GeForce 10 series。使用需求我选择了game ready的需求。（唉，我这原本已经装过了，之前试DDU方法又给全删了…）。下载完安装。这个单独安装应该没有什么问题。

这时候在重新打开CUDA toolkit的安装程序，同样取消Visual Studio Integration的勾选，之后安装就没有错误，能成功装上了。（实际上GeForce Experiment这些选项应该是可以不用选的，只勾选CUDA就可以满足gpu使用了）。

缺少cudnn64_7.dll的解决方式

成功安装后我以为能够成功使用了，import tensorflow也是一路successful。但最后还是有一个warning，导致GPU调用失败
Could not load dynamic library ‘cudnn64_7.dll‘； dlerror cudnn64_7.dll not found。
这个解决方法是从网上下载v10.1版本cuda对应的cudnn64_7.ddl（这个文件可以搜索下载，CSDN的下载里边也有大佬们提供了资源，但是下载资源要收费，我也就不好随便公开出来，有需要可私信）然后放进.\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin中。默认情况的绝对路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin。
这之后可以通过

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_gpu_available())

进行测试，只要一路successful，最后输出True就说明成功了。

引用

最后解决缺失.dll的方法和测试用的代码是从下面这个博客中学到的。
[1]: https://blog.csdn.net/qq_43203949/article/details/108550960