WIN10+CUDA11.0+anaconda3+tensorflow-gpu2.4.0安装过程

今天换了台式机，安装tensorflow花了不少时间，记录下。

一 确认自己要安装哪些版本的软件

首先查看自己电脑显卡支持的CUDA版本，我的的支持11.1

桌面空白处，鼠标点右键，选择NVIDIA控制面板

打开NVIDIA控制面板，选择 帮助->系统信息->组件，可以看到CUDA版本

根据显卡支持的CUDA版本，选择对应的支持的tensorflow最高版本,点击下面地址就可以查看对应的版本，各个版本一定要选对且匹配，不然后面很折腾。因为tensorflow没有支持CUDA11.1的版本，为了兼容所以我选了CUDA11.0对应的一列配置。

在 Windows 环境中从源代码构建  |  TensorFlow

准备安装CUDA 11.0    cuDNN 8.0  python 3.8（anaconda3）   MS visual studio2019

tensorflow_gpu 2.4.0     Bazel 3.1.0

 二 下载CUDA11.0

官方地址 CUDA Toolkit 11.0 Download | NVIDIA Developer

 

安装CUDA

 自定义这里把Visual Studio Integration勾选去掉

 其他组件也去掉

三 cuDNN下载和安装

cuDNN下载地址：   cuDNN Archive | NVIDIA Developer

我下载的是文章前面列表推荐的cuDNN 8.0

 cuDNN不需要安装，解压后放入对应文件夹即可

cudnn-11.0-windows-x64-v8.0.2.39进行解压，如下

将上面文件copy到如下目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

四 Visual Studio 2019依赖包安装

最新支持的 Visual C++ 可再发行程序包下载 | Microsoft Docs

 这个支持库建议安装，否则后面各种坑，支持库只有10多MB。安装后重启。

五 anaconda安装

因为我打算装python3.8, 对应的anaconda版本是anaconda2020.11 即 Anaconda3-2020.11-Windows-x86_64

anaconda下载地址   Index of /

 

安装完成后，打开conda prompt

添加国内镜像, 换源, 或者进入用户文件夹，修改 .condarc

添加国内镜像, 换源
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
(base) C:\Users\mayn>conda -V
conda 4.9.2
(base) C:\Users\mayn>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
(base) C:\Users\mayn>conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
(base) C:\Users\mayn>conda config --set show_channel_urls yes

 

Anacoda创建一个名字叫做tensorflow-gpu的python独立环境

Conda create –n tensorflow-gpu python=3.8

 创建完成提示了激活方法和删除方法，使用命令激活并进入创建好的空间

conda activate tensorflow-gpu

六 安装tensorflow

现在keras已经集成到tensorflow中，所以直接安装即可

更新pip:   python –m pip install –-upgrade pip

执行命令 ：pip install tensorflow-gpu==2.4.0

python –m pip install –-upgrade pip
pip install tensorflow-gpu==2.4.0

 

七 pycharm搭建anaconda和tensorflow环境

Pycharm设置解释器，选择conda环境，tenorflow-gpu 

 测试GPU是否ok

# import tensorflow.compat.v1 as tf
import tensorflow as tf
from tensorflow.python.client import device_lib

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

local_device = device_lib.list_local_devices()
print(local_device)
for item in local_device:
    print(item)

print(tf.config.list_physical_devices('GPU'))

 至此搭建完成。