Win10_Python3.7_Tensorflow2.8_GPU环境配置

一、配置清华镜像源

1.主要镜像源地址

# 更改conda默认下载地址，使用清华镜像源地址
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

2.第三方包镜像源地址

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/mro/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

3.查看当前镜像源配置

conda config --show channels

二、配置pip默认国内镜像地址

python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

如果需要临时使用镜像源地址

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple <包的名字>

三、安装Tensorflow2.8_GPU依赖环境

# 安装GPU显卡驱动支持
conda install cudatoolkit=11.3.1
conda install cudnn=8.2.1

# 安装Tensorflow2.8
pip install tensorflow==2.8  # tensorflow2.0以后cpu版本和gpu版本合并为一个包，因此直接安装Tensorflow==2.8即可

# 使用临时源安装(如必要可选该方式)，如
pip install tensorflow==2.8 -i https://pypi.tuna.tsinghua.edu.cn/simple  # 清华源可换成其它源地址

四、验证GPU环境是否安装成功

# 验证tensorflow_GPU环境是否安装成功
# 如果运行结果出现
# tensorflow version: 2.8.0 	GPU available: True
# tf.Tensor([2. 4.], shape=(2,), dtype=float32)
# 这两段话，说明运行环境已经安装成功

import tensorflow as tf

tensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()

print("tensorflow version:", tensorflow_version, "\tGPU available:", gpu_available)

a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([1.0, 2.0], name="b")
result = tf.add(a, b, name="add")
print(result)

运行结果例如

五、Tensorflow2.8_GPU环境配置完成

六、通过nvidia官网下载驱动安装GPU环境

0.

查看电脑显卡支持的最高CUDA的版本，下载的cuda驱动需要不高于电脑的版本。

方法一
在显卡驱动被正确安装的前提下，在命令行里输入nvidia-smi.exe，效果如图所示：

方法二
依次打开：控制面板==>NVIDIA控制面板==>帮助==>系统信息==>组件==>NVCUDA.DLL==>产品名称

可以看到显示CUDA Version为12.2.146，说明该显卡最高支持到12.2，我这里就选择12.2的版本，你也可以选择更低的版本比如 12.1或12.0更低的版本。

1.

通过nvidia官网下载最新的CUDA和CUDNN
官网链接：
https://developer.nvidia.com/
CUDA链接：
https://developer.nvidia.com/cuda-toolkit-archive
cuDNN链接：（需登陆英伟达账号才能下载）
https://developer.nvidia.com/rdp/cudnn-archive
注：一般当前最新版本的cuda、cudnn和最新版本的tensorflow是兼容的。

2.

cuda.exe可以直接安装，完成后的默认安装路径是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6

3.

cudnn解压后是这样的：

注：可以将（bin、include、lib）三个文件直接复制到cuda的跟目录中，LICENSE文件不管：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6，其中cudnn的lib里的文件复制进cuda的lib中的x64文件里，如图：



这样，下一步添加环境变量时，就可以让cuda和cudnn一起共用几个环境变量路径。

4.

在系统环境变量中添加环境变量，右键我的电脑，点击高级系统设置>高级>环境变量>系统变量。

找到path，双击进入，将cuda的以下几个文件的路径加入path环境变量中：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib\x64

5.

完成，显卡驱动cuda、cudnn安装成功。