保姆级教程安装tensorflow对应的CUDA和CUDRNN

Dec31_

已于 2023-08-18 16:54:45 修改

阅读量1.7k

点赞数 4

文章标签：人工智能 linux 深度学习

于 2023-08-09 16:59:51 首次发布

本文链接：https://blog.csdn.net/dec31_/article/details/132190110

版权

首先是检查自己的tensorflow版本

输入以下代码

import tensorflow as tf

print("TensorFlow 版本：", tf.__version__)

知道自己的版本之后，需要找到tensorflow对应的cuda版本，要不无法使用，进入下面网址。

官网

然后点击Windows，往下滑动就可以看到对应的版本。

如果没有对应的版本，请看下面的图

找到对应的cuDNN和CUDA版本，如果tensorflow版本太新，则看下篇文章tensorflow降版本，如果降版本。

然后点击-CUDA Toolkit Archive | NVIDIA Developer 下载。

然后点击箭头所指。

就开始下载安装

直接默认，点击ok

一直下一步就行了。安装完毕之后检查是否安装成功

打开cmd，输入 nvcc -V

出现了你安装的CUDA的版本信息，说明安装成功了

安装完之后开始配置环境变量

首先找打以下路径

就是你自己安装cuda的路径，复制路径，然后进行下面操作

：查看环境变量

点击设置–>搜索高级系统设置–>查看环境变量

点击path把路径复制进去，第二个路径是cudnn的环境变量

再来安装cudnn。

点击下面链接cudnn

点击进去，就会显示这个界面，登陆即可。还有一种不用注册就能下载的方式是查看下一篇文章

不用注册下载cudnn

然后验证即可

继续点击，然后找到我们对应的版本，前面的图有，可以往上翻找，

找到对应的版本之后，点击下载即可

Windows下载Windows，其余的自己调整吧

下载完成是一个压缩包，解压即可

其中包括了bin、include、lib这三个文件夹和一个.txt文本文件。接下来要做的就是将这三个文件夹（不包过那个.txt文本文件）拷贝到之前下载的cuda对应的子路径中，具体如下

就是这里面所有文件复制到 cuda的文件夹里面

上面三个文件一一复制，bin就放到cuda的bin文件夹里面，include一样放到cuda的include文件夹里面，lib同样处理。然后处理环境变量。

把路径复制进去。然后找到第二个路径

继续复制路径进行上面环境变量配置。配置完毕点击确定即可。

然后打开pycharm输入下面代码查看可以使用的gpu。

import tensorflow as tf

# 创建会话
with tf.compat.v1.Session() as sess:
    # 获取GPU设备列表
    gpu_devices = tf.config.experimental.list_physical_devices('GPU')
    if gpu_devices:
        for gpu_device in gpu_devices:
            print("GPU 设备可用:", gpu_device)
    else:
        print("没有找到可用的GPU设备。")