win10系统Pycharm安装TensorFlow-gpu2.2.0版本教程（详解）

---

前言

本文记录了安装TensorFlow-gpu版本的全教程。
安装TensorFlow-gpu版本需要安装Python环境、TensorFlow-gpu、cuda工具、cudnn GPU加速库。
本文Python环境：3.7
编辑器：Pycharm
TensorFlow-gpu：2.2.0
cuda工具：10.1
cudnn：10.1 for windows v8.04.30 混合 10.1 for windows v7.65.32中的cudnn64_7.dll文件才不会报错。（文件链接在文末）

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、前期环境检查

1、版本对应

这里给出一些tensorflow-gpu版本与cuda与cudnn版本对应（仅供参考）：点击这里

2、检查自己电脑可支持的最高cuda版本

打开Nvidia显卡控制面板，点开左下角的系统信息，点击组件。如下图所示：

一般安装的cuda工具低于等于自己驱动的版本就可以了。如果自己驱动版本太低，可以去官网下载新版的驱动装一下。（tensorflow-gpu版本2.0最低也要cuda版本10）

二、安装步骤

1、Python环境

省略

2、TensorFlow-gpu安装

在Pycharm的终端用pip命令进行安装，鉴于直接安装可能会失败。这里直接用阿里云的镜像安装。同时指定2.2.0版本安装，高版本的有bug。
如：

# 该段代码作用是交换张量a的第一维和第二维
# 在tensorflow-gpu 2.3.x版本上运行的时候，输出的结果会出现错误，打印出全0的张量
import tensorflow as tf
a=tf.reshape(tf.range(24),[2,3,4])
print(tf.transpose(a,(1,0,2)))

所以安装2.2.0版本的

pip install tensorflow-gpu==2.2.0 -i https://mirrors.aliyun.com/pypi/simple/

3、下载cuda工具并安装

点击这里下载
安装步骤：

1. 点击下载下来的exe程序
2. 一路点击下一步即可
3. 在这里选择自定义，点击下一步
4. 选择第一个组件即可
   
5. 点击下一步继续安装（建议不要更换默认的自定义位置，如果系统盘内存实在不足，更改也没关系，记住安装的位置即可）

4、根据cuda版本下载对应的cudnn

点击这里下载
直接注册登录就可以下载cudnn了。

1. 解压下载下来的cudnn压缩包
2. 将解压下来的cuda文件夹复制到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

目录下

3. 将上一步cuda文件夹下的bin目录、lib目录、include目录下的文件对应的复制到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

目录下对应的文件夹中即可完成cudnn的导入。（我这里安装的cuda是10.1，所以是v10.1，具体看你自己安装的cuda版本）

三、测试是否安装成功

import tensorflow as tf
print('GPU:', tf.test.is_gpu_available())

输出：

四、遇到的问题

本人第一次安装后测试出现问题

Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll

解决方法：

只需要将该cudunn_7.dll加入到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

目录下和

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cuda\bin

目录下即可。（同上我这里安装的cuda是10.1，所以是v10.1，具体看你自己安装的cuda版本）

cudnn64_7.dll
提取码：xlip

cudnn-10.1-windows10-x64-v8.0.4.30.zip
提取码：0f1g