MX350显卡+win10安装TensorFlow（anaconda下安装）

环境配置：

系统	cpu	gpu	CUDA	CUDNN
win10	i5-10210U	MX350显存2GB	10.2	v7.6.5

一、安装CUDA

1.确认计算机显卡型号：

在设备管理器（鼠标右键单击此电脑，选择管理，进入页面，即可在左侧看到设备管理器）中查看GPU的型号（有独显）

 2. 确定显卡支持的CUDA版本：

打开英伟达控制面板→帮助→系统信息→组件，查看CUDA版本

 3. 到英伟达官网下载对应的CUDA版本。

      下载地址：
       https://developer.nvidia.com/cuda-toolkit-archive

       百度网盘下载：

(15条消息) cuda10.2安装包 和 cudnn安装包下载_一个小呆苗的博客-CSDN博客https://blog.csdn.net/weixin_55775980/article/details/119768352

      我下载的版本是CUDA10.2（在线下载）

 选择CUDA的安装环境，安装类型我这里以 在线安装（network）为例

 4. 安装CUDA：

     双击执行下载的exe文件，会先解压文件到临时目录（不是安装目录），保持默认即可

 5. 安装过程：

      选择自定义

取消勾选 Visual Studio Integration，也有的教程说后面两个Driver Components 和Other Components也可以取消勾选。

  建议默认安装在C盘 。

 

  刚开始一直在0%得等一会，我的安装过程大概是15min（因为是在线安装较慢）

6. 配置CUDA的环境变量 

环境变量打开方式（我的电脑--右击--选择属性--选择高级系统设置--环境变量）

先检查环境变量是否存在，不存在再手动添加。

手动添加如下：将以下复制粘贴到CUDA_PATH的变量值里

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

 7. 验证CUDA是否安装成功

      win+R    输入cmd打开命令提示符窗口，输入nvcc -V

 以上主要参考(15条消息) win10+MX350显卡+CUDA10.2+PyTorch 安装过程记录 深度学习环境配置_fun1024-CSDN博客_mx350安装cudahttps://blog.csdn.net/m0_37867091/article/details/105788637

二、conda下安装TensorFlow 

1. 安装 Python 环境。此处建议安装 Anaconda 的 Python 3.7 64 位版本。Anaconda 的安装包可在 这里 获得。

2. 打开开始菜单中的 “Anaconda Prompt” 进入 Anaconda 的命令行环境，使用 Anaconda 自带的 conda 包管理器建立一个 Conda 虚拟环境，并进入该虚拟环境。在命令行下输入：

 conda create --name tf2 python=3.7

# “tf2”是你建立的conda虚拟环境的名字 

 conda activate tf2

# 进入名为“tf2”的conda虚拟环境 

      3.使用 Python 包管理器 pip 安装 TensorFlow。在命令行下输入 

pip install tensorflow

 用上面的命令下载太慢的话可以直接指定镜像下载，如下：

pip install -i https://pypi.douban.com/simple tensorflow

等待片刻即安装完毕。

也可以使用 conda install tensorflow 来安装 TensorFlow，不过 conda 源的版本往往更新较慢，难以第一时间获得最新的 TensorFlow 版本；

从 TensorFlow 2.1 开始，pip 包 tensorflow 即同时包含 GPU 支持，无需通过特定的 pip 包 tensorflow-gpu 安装 GPU 版本。如果对 pip 包的大小敏感，可使用 tensorflow-cpu 包安装仅支持 CPU 的 TensorFlow 版本。

三、CUDA Toolkit 和 cuDNN 的安装 

安装 CUDA Toolkit 和 cuDNN,要按照 TensorFlow 官方网站所说明的版本 安装。这里安装的是cudatollkit10.1和cudnn7.6.5(注：两条命令分别输入Anaconda Prompt中，一个安装完成再安装另外一个)

conda install cudatoolkit=10.1

conda install cudnn=7.6.5

在安装前，可使用 conda search cudatoolkit 和 conda search cudnn 搜索 conda 源中可用的版本号。

当然，也可以按照 TensorFlow 官方网站上的说明 手动下载 CUDA Toolkit 和 cuDNN 并安装，不过过程会稍繁琐。

四、验证TensorFlow是否安装成功

安装完毕后，我们来编写一个简单的程序来验证安装。

在命令行下输入 conda activate tf2 进入之前建立的安装有 TensorFlow 的 Conda 虚拟环境，再输入 python 进入 Python 环境，逐行输入以下代码：

import tensorflow as tf

A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)

print(C)

如果能够最终输出:

tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

以上主要参考：

TensorFlow安装与环境配置 — 简单粗暴 TensorFlow 2 0.4 beta 文档 (tf.wiki)https://tf.wiki/zh_hans/basic/installation.html

五、继续报错：

21:50:09.172128:W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found 2021-11-14

21:50:09.172128: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.

报错的文件号可能不太一样，但是这依旧是版本不匹配的问题，解决方式如下：（个人推荐第三种）

1.有人说先import scipy 就可以正常运行import tensorflow了，但是我在conda里可以但是pycharm里面依旧不行。

2.在cuda的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin下复制名称相近的改名成缺少的文件即可。//我是这么干的不知道会不会有问题，有问题之后再说。

3.或者去网上下载一个，放进去//这是推荐做法，但是由于我安装这几天英伟达官网进不去，只能用上面的方式了。
https://www.dll-files.com/download/527365cb86fd76a9a7b7e9c75b4842d3/cudart64_110.dll.html?c=VTJuUXgvTENydDYzektxWENSbTZXUT09https://www.dll-files.com/download/527365cb86fd76a9a7b7e9c75b4842d3/cudart64_110.dll.html?c=VTJuUXgvTENydDYzektxWENSbTZXUT09https://www.dll-files.com/download/527365cb86fd76a9a7b7e9c75b4842d3/cudart64_110.dll.html?c=VTJuUXgvTENydDYzektxWENSbTZXUT09