Windows/Ubuntu服务器配置cudatoolkit12.2.0+cudnn8.1.0+tensorflow-gpu2.6.0

tensorflow-gpu2.6.0在windows和ubuntu下的下载与配置

注意要使用cuda的话一定要有Nvidia显卡才行

一、Windows配置

1. 查看cuda版本

nvidia-smi

结果如下：

我的显卡支持安装的cudatoolkit最高版本为12.0，但是很遗憾，目前tensorflow-gpu在windows上可以直接下载的版本最高为2.6.0，对应的cudatoolkit版本为12.2.0，对应的cudnn版本为8.1.0，可以在tensorflow官网看一下三者版本对应关系，下面这个表截自官网：

2. 下载cudatoolkit和cudnn

cudatoolkit和cudnn可以直接用conda下载，但是需要先用conda search来确认当前源下是否有可下载的版本：

conda search cuda

 输出结果：

cudatoolkit没有我们需要的版本，有的教程说可以换源找找试试，如果有的话可以参考这篇文章，但是我换源了以后还是只有这几个版本。下面再看看cudnn有没有支持的版本：

conda search cudnn

输出结果：

cudnn也没有（哭。

所以接下来我们要手动下载安装cudatoolkit和cudnn

1）手动下载安装cudatoolkit

这个网址：CUDA Toolkit Archive | NVIDIA Developer 可以下载所有cudatoolkit的历史版本

我们下载这个：

选择下面打勾的，Installer Type选哪个都行，local下载的时候比较大，network安装的时候要把没下的东西再下回来。

然后跟着安装向导安装就可以，

如果安装的时候出现报错：You already have a newer version of the NVIDIA Frameview SDK installed，说明之前已经安装了一个更高版本的sdk，需要先删掉才行。具体操作就是先把电脑已经存在的FrameView SDK 卸载掉，然后把C:\Program Files\NVIDIA Corporation\FrameViewSDK文件夹删掉。

2）手动下载安装cudnn

cudnn官网地址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

进入官网以后，选择 “Download cuDNN Library”

接着会有一个注册登录的界面，完成登录以后，选择：

选择下面的版本进行下载

下载以后解压，有下面几个文件夹

将bin，include和lib文件夹下的文件都copy到cuda安装目录下的同名文件夹中，即可完成安装

3）配置环境变量

都下载安装好以后我们需要配置cudatoolkit的环境变量。

右键此电脑 -> 属性 -> 高级系统设置 -> 环境变量

在用户环境变量的path中增加四个环境变量（就是cudatoolkit的安装地址

4）验证

输入

nvcc -V

输出结果：

安装成功

3. 下载tensorflow-gpu

直接在虚拟环境里下载tensorflow-gpu：

pip install tensorflow-gpu==2.6.0

还要再下载这两个包：

pip install protobuf==3.20.0
pip install numpy==1.19.5

下面是一些不会打架的包的版本

 

运行下面这段代码测试是否tensorflow-gpu安装成功：

import tensorflow as tf

if tf.test.gpu_device_name():
    print('成功')
else:
    print('失败')

二、Ubuntu服务器配置

linux下的版本对应关系和windows一样，即cudatoolkit12.2.0+cudnn8.1.0+tensorflow-gpu2.6.0。

因为我并不是服务器的管理员，不能用sudo命令，所以装cudatoolkit以及cudnn比较复杂，下面这篇文章讲的很详细：

ubantu下非root用户安装CUDA和cuDNN——以CUDA11.6为例 - 知乎

需要注意的是，当安装cudatoolkit的时候，可能会因为gcc报错

那么可以在安装的命令后面加 --override

其它的步骤和windows下面都一样

三、Pytorch GPU版本下载安装

可以对应安装下面版本的pytorch

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html