Windows+Nvdia显卡配置Tensorflow

这篇其实算是自己的笔记，因为配置Tensorflow的过程有点多又记不住，免的每次都搜了，索性记录下来。

如标题所示为了完成配置工作首先得是windows，其次得有Nvdia显卡，接着就可以开工了。

哦，对，python也得有吧，我一直用的3.7.9，非常的稳定，非常的奈斯。

所以前期准备工作：windows+nvdia显卡+python

另外很多在windows上跑的语言或者库都需要底层c++的支持，否则会报一些奇奇怪怪的问题，所以保险起见，装一个VC_redist.x84。

依赖文件：VC_redist.x84

接着说到配置模型在显卡上运行，网上教程有很多，叽里呱啦装一堆东西，但是很少有人说为什么装这些东西，其实从原理上来说我们的诉求是用python编写程序，要用nvdia的显卡帮我加速去跑模型，就是用python去给nvdia显卡编程，但显然这是不可能的，nvdia的显卡怎么会认识python这个语言呢。但是Nvdia有自己的编程库cuda，显然我们一个python开发再去学cuda开发这个学习成本也太高了，但问题来了python也不认识cuda这个库，这就又有了cudnn这个接口文件，所以计算机帮我们做的是我们编写Python语言，cudnn帮我们转换成cuda能认识的语言，在显卡上跑起来，就是这么回事。

所以我们需要装: CUDA+cudnn

以上工作完成后，就可以装tensorflow的环境了，其实不要一听到神经网络AI啥的就发怵觉得神秘莫测一样，其实对做应用来说他也就是一个库，跟os,sys,maths这些最基本的库都一样，毕竟很多人都是在用现成的算法，而不是去写一个算法，只是我们要用tensorflow做一些ai的开发，需要的知识储备量确实比做一些软件开发要稍微多一些。

除了tensorflow这个环境之外，另外需要装的就是开发工具，anaconda和VS code都可以，我认识的人一半一半，我两个都用过，现在偏向于VS Code，anaconda太大了，而且我经常会碰到一些奇奇怪怪的问题。

开发环境：tensorflow+VS code

以上为全部需要装的工具，以下为下载网址：

1. Python,网址Download Python | Python.org
2. VC_redist.x84:Latest supported Visual C++ Redistributable downloads | Microsoft Docs
3. CUDA:https://developer.nvidia.com/cuda-toolkit-archive
4. cudnn:cuDNN Archive | NVIDIA Developer
5. VS code:Visual Studio Code - Code Editing. Redefined

以上原理部分是我个人的一些理解，可能有不完善甚至错误的地方，大家发现了留言告诉我。以下是正儿八经的环境配置，肯定的正确无误的。

安装python

这个默认大家都会了。

安装VC_redist.x84

下载完成后，一通下一步

安装cuda

输入命令nvidia-smi，查看驱动版本和CUDA版本

根据cuda版本查找对应的cuda,发现有好几个，点击后面的versioned online documentation

 查看是否满足之前511.69的版本需求

 以上找到需要的版本，点击下载

下载完成后，安装，注意在自定义中要去掉Visual Studio Integration，忘记截图了，这是VS的插件，容易导致安装失败。

 安装完成后输入，nvcc -V,查看是否安装成功

 cudnn

解压缩后全部拷贝到CUDA的安装目录下

 添加CUDA的环境变量，一共4个：bin,lib/x64,libnvvp 还有一个是Cuda版本的根目录，如图V11.6这个路径所示

 安装Tensorflow

直接pip安装就好了

编写以下代码，验证是否安装成功并且能够识别到显卡

import tensorflow as tf

print(tf.__version__)

print('GPU', tf.test.is_gpu_available())

使用python运行刚刚的代码，看到如下一坨提示，就表示安装成功了。