Windows下配置TensorFlow-gpu的运行环境

目录

序言：

一、硬件环境

二、应该要下载安装的东东

三、正文

---

序言：

最近打算用CNN模型来实现对物体的检测和识别，说白了就是入门深度学习。本人的笔记本电脑配的不是英伟达的显卡，也就意味着不支持GPU加速，没办法四年前的老联想，无奈只能用学校机房的电脑，因为机房电脑的配置真不是一般的好，这就很香啊。所以我尝试着在学校机房电脑上搞起了深度学习入门时该干的事，即配置TensorFlow-gpu的运行环境。这不！成功配置好了，所以就写篇文章来分享分享咯。废话不多说，直接开始。

一、硬件环境

• 操作系统：Win10
• 显卡：NVIDIA Quadro P620

二、应该要下载安装的东东

• NVIDIA Quadro P620的驱动程序
• CUDA 11.2
• cudnn 8.1
• python==3.8.8
• tensorflow-gpu==2.5.0

三、正文

版本查看：Build from source on Windows  |  TensorFlow  请仔细看好对应的版本。

1、下载安装NVIDIA Quadro P620的驱动程序（自信的话可以跳过）

想到学校机房的电脑太久没更新驱动了，二话不说直接给它安装上官网最新的驱动，说不定可以省掉很多不知名的错误。

下载地址：官方驱动 | NVIDIA 

下载前请先查看 设备管理器->显示适配器 对应的Nvidia驱动程序的相关信息，然后对号入座。

2、下载 CUDA 11.2 和 cudnn 8.1

• CUDA下载链接：CUDA Toolkit Archive | NVIDIA Developer
• cudnn下载链接(下载前得先登录注册账号)： cuDNN Archive | NVIDIA Developer
• 安装方法请参考其他博主的文章：点击跳转

下载的cuda版本不要大于cuda驱动的版本。下图的cuda驱动版本为12.1.68，所以我这里就选择下载11.2的cuda。至于11.7等那些更高版本的为啥不考虑，因为版本查看显示的最高版本的tensorflow-gpu==2.10.0对应的cuda也就才11.2而已，支持11.7等更高版本的cuda的tensorflow-gpu还没开发出来嘞，这就是为啥明明安装的cuda都这么高了却还跑不了tensorflow-gpu的原因。

 安装完cuda后，解压cudnn，复制里面的三个文件夹

 打开cuda安装目录，一般在c盘的program files下，然后将复制的三个文件夹粘贴到下图类似的路径下即可。

至此，cuda的安装和配置就已经完成了，其中的cudnn相当于cuda的深度学习补丁。

3、安装Tensorflow-gpu和torch

# 在python3.8命令行环境下，输入

pip install tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple