Windows10+RTX显卡：TensorFlow-GPU安装与使用完整指南（踩坑无数血泪教训）

（update 2021.7.1）
几次重装之后遇到新问题，因为要升级到2.3版本了，所以在环境配置上又走了不少坑，这里分享一下：
1、anaconda装在C盘，path选项勾选
2、在prompt中使用conda install来安装tensorflow-gpu而不要用pip
3、2.3版本对应cuda其实也不需要很新，我这里用的是cuda_10.1.105_418.96
5.安装完后大概率出现找不到cudnnx.x等dll找不到的问题，解决方案：安装cudnn7.6.5，我的情况是不记得什么时候安装包目录下就有一个cudnn-10.0-windows10-x64-v7.6.5.32的压缩包，直接解压，对应文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1下面就可以成功启用GPU了

(update 2021.12.31)
对面计院新到了一台电脑10900K+3090，我同学讲不会配置tf-gpu环境，于是新一轮的折腾又开始了
1.对于这种新机器 完全可以安装最新的anaconda,还是要装在C盘，path选项勾选
2.可以使用pip来安装tf-gpu
3.装好上面两个之后安装最新版NV驱动，再安装最新版CUDA，然后需要在系统环境变量中加入下面几条(好像安装cuda之后就自己添加了第一条了)。

重启 此时jupyter应该可以正常的调用GPU了，但如果出现没调用成功，jpt的控制台显示Could not load library cudnn_cnn_infer64_8.dll. Error code 126。那么需要去官网下载上一个版本的cuDNN 并替换C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5对应文件，至于为啥我也不懂 这里是引自另一位博主的方法

https://blog.csdn.net/qq_41112170/article/details/121878288
然后就可以正常的调用并训练模型了

---

配置环境
根据需要在https://repo.anaconda.com/archive/
anaconda对应py版本表https://blog.csdn.net/yuejisuo1948/article/details/81043823
下载对应版本的conda，主要是py版本和tf-gpu的对应
#------------------主流tfgpu所对应的anaconda,py,toolkit版本
2.2：Anaconda - 2020，Python - 3.7.7，cudatoolkit - 10.1，cudnn - 7.6.5
1.14.0或1.15：Anaconda3 - 5.2.0，Python - 3.6，cudatoolkit - 10.0.130，cudnn - 7.6.5

conda源（在C盘用户文件夹.condarc 用记事本打开）：
注意：实践发现有时候装完conda之后不会创建这个文件，这时候在conda prompt运行
conda config --set show_channel_urls yes
conda config --set ssl_verify false
来创建文件再编辑

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - defaults
show_channel_urls: true

defaults的话安装各种包更齐全，更新，但是需要有很快的机场，没有的同学还是删掉把（滑稽

管理员运行Anaconda Prompt

conda install tensorflow-gpu==2.1
conda install tensorflow-gpu==1.14.0

另附实用conda search+你要装的包比如上面的tensorflow
conda search tensorflow
会显示所有你可以安装的tf版本

在NV官网下载CUDA
(在前面安装tfgpu时会附带安装toolkit，但是仅限于基本的功能，比如在新版本的TF（2.6）中调用keras就出现了提示找不到keras的情况）

测试是否能正常调用

import tensorflow as tf
import numpy as np
import pandas as pd
from tensorflow.python.client import device_lib
%matplotlib inline 
#comment out line above if you are not using Jupyter
import matplotlib.pyplot as plt
import os
print(device_lib.list_local_devices())
gpu_ok = tf.config.list_physical_devices(device_type="GPU")
print("\nAre we using GPU? -",tf.test.is_gpu_available())


#指定CPU执行
#with tf.device('/cpu:0'):
#显示实际是哪个设备在执行训练
#tf.Session(config=tf.ConfigProto(log_device_placement=True))
#多个程序同时使用GPU,fraction是百分比值，根据显卡情况自行设定。比如作者就玩个枫之谷，可以让它占用80%，但是这个是TF1的代码，TF2不再认了，我还没去找TF2调整这个部分的代码，有需要的同学自行百度
#gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.8)  
#sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options,log_device_placement=True))
#启用TensorCore（有RTX的同学有福了）
os.environ['TF_ENABLE_AUTO_MIXED_PRECISION'] = '1'

要发挥gpu的最大性能，请将每轮训练的batch尽可能地调到最大，最大，最大…
否则按照教程使用CPU的batch量，你会发现GPU训练比CPU还慢…

Jupyter指定路径
把快捷方式里的%USERPROFILE% 换成你的目录 不用加任何符号

环境安全
安装好了的环境就不要去更改任何一个组件的版本了，组件互相依赖，
比如作者升级了一个spyder它就会顺带升级很多东西，然后整个环境就坏掉了，Jupyter什么的全部启动闪退，只能推倒重来 /掩面哭

虚拟环境和在虚拟环境使用jpy

conda create --name *yours*
conda actiave *yours*
conda jupyter notebook

END
开始你的训练之旅把！