笔记本GTX1650配置tensorflow-gpu2.2.0（利用anaconda命令安装cuda和cudnn）

概览

这篇文是我这个菜鸟配置完环境过程的记录，其中包含了配置的详细步骤以及过程中遇到的问题。
记录一下我的第一次配置经过。

硬件配置：i7-10750h+4G GTX1650

软件配置：anaconda3-5.1.0+visual studio 2015+tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5

确定适合自己的cuda和cudnn版本，看安装中的“三”

具体安装步骤

一、安装anaconda

（一）下载anaconda安装包进行安装（我的版本anaconda3-5.1.0）：

1. 如果电脑上已安装了python环境的话，建议先卸载。
2. anaconda安装步骤如下

• 我自定义的路径是D盘（目前无其他问题），如果C盘够大的话，保险起见可以装在C盘，以免后续有其他问题

• 我是两个都打勾，第一个是将anaconda的环境加到系统环境变量里；第二个是给anaconda安装python3.6（对于第二个勾选我也是存疑惑的，因为后边我在创建环境时又安装了3.7版本也无影响）

• 点击图中红框

• 两个勾选可取消

（二）安装anaconda时出现的问题及解决

1.点击VSCode提示Please make sure you are connected to the internet!

• 解决办法如下：先点击中止，不用关闭安装界面，然后完成以下步骤后，再次install VSCode
• 第一步：在anaconda目录下找到文档vscode_inst.py，大概路径：/anaconda3/pkgs/vscode_inst.py
• 第二步：打开文件，修改代码并保存
• 找到以下代码（110行左右）

VSCODE_ENDPOINT = 'https://vscode-update.azurewebsites.net/api/update/{}/stable/version'.format(VSCODE_SUBDIR) # NOQA

• 改为以下代码：

VSCODE_ENDPOINT = 'https://update.code.visualstudio.com/api/update/{}/stable/version'.format(VSCODE_SUBDIR) # NOQA

• 找到代码（142行左右）

`r = requests.head(VSCODE_ENDPOINT, timeout=5)`

• 改为以下代码：

r = requests.head(VSCODE_ENDPOINT, timeout=5, allow_redirects=True)

二、安装visual studio

（一）下载安装包进行安装（我：visual studio2015）

• 以管理员身份运行setup.exe
• 在下图步骤中，路径可不是C盘。安装类型我选择的是默认，对跑yolov4网络无影响。
  （选择自定义的话是选择安装的组件功能，选择的功能越多占用内存也越大。）

（二）暂无问题

三、根据“自身显卡”+“所需的tensorflow版本”选择匹配的cuda和cudnn

• 确认gpu算力，确认是否可以使用cuda加速（我只截取了部分，其他大家可去官网查看）

  https://developer.nvidia.com/zh-cn/cuda-gpus
  

• 找到你所需tensorflow-gpu版本对应的cuda和cudnn
  

• 确认你的显卡能够安装上个步骤中的cuda版本
  1.桌面右键，打开NVIDIA控制面板
  2.界面上方帮助—>系统信息–>界面上方的组件–>查看cuda driver
  选择安装的cuda版本号 << 显示的dll版本

  cuda10.1及以下版本较稳定
  
  - 确认cuda版本与cudnn适配

  https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
  
  

四、安装cuda10.1，cudnn7.6.5和tensorflow-gpu 2.2.0

（一）使用conda命令安装cuda10.1和cudnn7.6.5

• 在开始菜单找到并打开anaconda prompt
  

• 输入以下代码创建虚拟环境，新建一个python3.7的环境，命名为yolo

conda create -n yolo python=3.7  

• 进入创建的conda环境

conda activate yolo

• 输入以下代码，安装cuda和cudnn（可更改等号后的数字指定版本号）

conda install cudatoolkit=10.1 cudnn=7.6.5

（二）使用pip安装tensorflow-gpu2.2.0

• 相同环境中输入以下代码，安装tensorflow-gpu 2.2.0（可更改等号后的数字指定版本号）

pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple  

（三）安装说明

1.说明：可更改上述代码等号后的数字，指定安装所需版本

2.检查是否安装成功（是否成功调用GPU）

import tensorflow as tf
 
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

3.临时换源提速

该方法来自此博

pip --default-timeout=100 install 库名称 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 

清华：https://pypi.tuna.tsinghua.edu.cn/simple 
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 
华中科技大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/ 
豆瓣：http://pypi.douban.com/simple/

五、yolo代码报错问题

• 训练yolo模型发现缺少dll
  1.在anaconda的安装目录下Anaconda3\envs\YOLOV4\Library\bin 可找到所缺文件
  2.将缺少dll文件复制到C:\Windows\System32中
  3.（这一点很重要） 只要缺少cublas64_10.dll，必须将cublasLt64_10.dll和cublas64_10.dll一起复制到C:\Windows\System32

• 运行代码时，若报错"no module named xxx"，搜索报错即可知安装什么库。

这只是一个记录帖，欢迎大家在评论中讨论，希望能和大家多多交流！