tf2.1默认使用的是cuda10.1。
tf2.0默认使用的是cuda10.0。
cuDNN和cuda版本关联性不大。使用最新版即可。
最后选择安装的是cuda10.0+tensorflow-gpu==2.0.0。安装前将系统中与nvidia有关的全部卸载干净并生启电脑。再安装cuda1.0。安装时选择自定义,去掉visiual studio的选择,否则系统如未安装visiual studio可能导致安装失败。安装成功之后,将cuDNN解压的3个文件覆盖到cuda computing的安装目录中。即可正常使用tf gpu功能。
====================================
*******以下方法试验时不行。仅做记录。********
======================================
1. 直接使用官方最新版 cuda 11, 下载后直接点击安装: https://developer.nvidia.com/cuda-downloads
下载cudnn:https://developer.nvidia.com/rdp/cudnn-archive
解压后直接复制并覆盖cuda中的同名文件夹。
2. 部分安装显示失败,检查一下没有影响
3. cmd命令行 nvcc -V 测试
4. 环境变量path中添加 C:\Program Files\NVIDIA Corporation\NVSMI
5. cmd 命令行: nvidia-smi 查看显示占用情况
6. pip install tensorflow-gpu==2.2.0
7. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin中直接复制粘贴修改一些dll文件名, 从101修改成10等,如下(根据tf提示修改,具体模型训练未验证。按V10.0的安装文件逐一修改文件名,也许会好一些。):
8. tf测试验证:
import tensorflow as tf
tf.test.is_gpu_available()