文章目录
- 安装前需知
- 一、Cuda的安装
- 1. 确认自己电脑应该安装哪个Cuda版本
- 2. 开始安装Cuda
- 二、CUDNN的安装
- 1.确认要安装哪个版本
- 2.安装完成后的一些操作
- 3.测试是否安装成功
- 三、TensorFlow-gpu的安装
- 四、测试GPU版本是否安装成功
- 五、总结
安装前需知
要想安装成功，需要确保Python版本，Cuda版本，Cudnn版本，TensorFlow版本都对应。具体对应可以参考下图。我安装的是划红线的版本，大家可以根据这个图，安装自己对应的版本。
要注意自己Python的版本，因为我安装的是Tensorflow2.0.0，但是我的Python确是3.8版本的。所以导致最后自己测试安装的时候失败了。所以大家在安装的时候要注意这个坑。
该图链接：https://tensorflow.google.cn/install/source_windows
一、Cuda的安装
1. 确认自己电脑应该安装哪个Cuda版本
a. 打开NVDIA控制面板。在任务栏的搜索框中输入nvdia即可找到NVDIA控制面板。
b. 点击系统信息
c. 查看驱动器版本
d. 结合下图，选择合适的Cuda版本。因为我的驱动器是457.49。所以根据下图最右列，我能用的Cuda版本很多。这里我用的是Cuda10.0.130
选择了Cuda版本后根据我在安装前需知发的那个图片，Cudnn的版本，TensorFlow的版本，Python的版本也就定了下来。
下图所在的链接如下：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
2. 开始安装Cuda
a. 下载Cuda安装包
安装包下载链接：https://developer.nvidia.com/cuda-toolkit-archive
b. 因为我安装的过程中没有截图，所以这里就说些关键的点，不会说的那么详细了。关键的图的话也找一些网图来代替说明了。
首先，使用默认安装的路径就可以了，安装到C盘。
然后，要选择自定义安装。
不要勾选下图这个
最后，红框那一栏，如果New Version的版本号大于Current Version的话，勾上。若小于的话，别勾。若等于的话，勾也行，不勾也行。
c. 确认Cuda是否安装成功。打开Cuda的安装目录，如果有下图的nvcc.exe 和cupti即说明安装成功。
二、CUDNN的安装
1.确认要安装哪个版本
因为我安装的Cuda是10.0版本的，所以我可以安装的CUDNN版本如下。
安装包所在链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
2.安装完成后的一些操作
a. 将解压后的文件夹名字改为 cudnn，复制到cuda的安装路径下。
b. 配置环境变量。将图片中所示的4个添加到Path中，并将其上移到最上边。
3.测试是否安装成功
打开cmd，输入nvcc -V ，出现下图所示即说明配置成功。
三、TensorFlow-gpu的安装
根据安装前需知的版本对应图。我的TensorFlow版本号只能是2.0.0，对应的Python版本应该是3.5-3.7。所以我先利用Conda创建了一个Python3.7的虚拟环境。不会创建虚拟环境的可以参考我的另一篇博文：
在这个创建的虚拟环境里安装对应的TensorFLow
pip3 install tensorflow-gpu==2.0.0四、测试GPU版本是否安装成功
若输出下图中的结果，则说明gpu版本安装成功。
值得注意的是，如果你的TF安装在了虚拟环境里。
如果用Jupyter notebook输入下图的代码的话，大概率还是会输出False.这是因为Jupyter默认打开的是base环境，不是你安装TF的虚拟环境。这时候就要使你的Jupyter打开TF所在的虚拟环境了。
如果你用Pycharm的话，可以参考我的这篇文章，这篇文章告诉你如何在Pycharm里使用你创建的虚拟环境。
五、总结
如果还有不清晰的地方可以在评论里说出来。希望这篇文章可以帮到大家。
