w11 conda 虚拟环境cuda+cudnn+tensorflow-gpu

星楠_001

已于 2024-05-28 17:44:32 修改

阅读量625

点赞数 5

文章标签： conda tensorflow 人工智能

于 2024-01-14 00:25:40 首次发布

本文链接：https://blog.csdn.net/agoodtimeo/article/details/135577894

版权

首先选择tensorflow对应的cuda和cudnn

但是CUDA11.2.X不支持win11，CUDA11.8.X版本却可以兼容w11。

那我们标准为Tensorflow2.10.0+cuda11.8+cudnn8.8

欧克，选择好了，开干。

创建python3.10

conda create -n tf210 python==3.10.0

激活虚拟环境

conda activate tf210

添加中科大镜像源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

这些命令将显示当前使用的镜像源，并将通道优先级设置为严格，确保首先从中科大的镜像源获取软件包。

conda config --set show_channel_urls yes
conda config --set channel_priority strict

添加完后下载cuda11.8+cudnn8.7，下载不成功多换几个镜像源

conda install cudatoolkit=11.8

conda install cudnn=8.8

其实可以直接cudnn,只要cuda下载好了，cudnn会自动匹配兼容的版本

conda install cudnn

两个都下好之后需要添加环境变量，在系统变量里的path添加

C:\ProgramData\Anaconda3\envs\name\Library\bin

name是你的虚拟环境名字

下载tensorflow2.10.0

pip install tensorflow-gpu==2.10.0

下完了测试一下

import tensorflow as tf
print(tf.__version__)
gpus =tf.config.list_physical_devices('GPU')
print(gpus)

战斗，爽！

踩坑事项：

1.注意，虚拟环境用python是可以识别到gpu，但是到了jupyter里就识别不到了，后来才知道需要添加环境变量就ok了

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

2.我本地C盘是有cuda12.3的所以不用担心会不会冲突。

3.最开始我更新cuda12.3的时候踩了很多坑，比如cuda四大杀手。