1.安装tensorflow

本专栏使用的tensorflow版本为tensorflow-gpu=2.3.0，在windows上运行，cuda版本为10.1，cudnn版本为7.6.5，tensorflow是有与cuda,cudnn的对应关系的，我们当前使用的是

tensorflow与cuda的对应关系 在 Windows 环境中从源代码构建  |  TensorFlow 

cuda与cudnn的对应关系在cudnn的下载页面中有 cuDNN Archive | NVIDIA Developer

如果你使用的是nvidia的开发板，就到这个链接中 Index of /compute/redist/jp 找到匹配的whl，然后装上，nvidia开发板不需要额外配置gpu

这里面的v多少指的是驱动版本

比如我现在是441.66，那么你应该选择点击v44，然后到其中找tensorflow 

目录

1.安装显卡驱动

2 安装CUDA

2.1 修改环境变量

3. 安装cudnn

4 python环境搭建

---

1.安装显卡驱动

我使用的显卡为 NVIDIA GeForce GTX 970M，我们首先查看一下当前有没有显卡驱动，按下win + R 键，输入cmd

 点击确定，之后在终端输入nvidia-smi

如果出现这种情况则表示显卡驱动已经安装完毕，如果没安装则进入下面安装步骤

我们在确认当前计算机有显卡的情况下，打开文件管理器，点击此电脑，然后点击属性

 此时出现这个界面，点击 设备管理器

 点击后出现这个界面，然后查看显示适配器，其中会有对应的显卡型号

如果没有显卡则不能安装tensorflw的gpu版本，只能使用cpu版本

之后需要查看显卡算力，在这个链接中可以找到自己使用显卡的算力 CUDA GPU | NVIDIA Developer，比如说我用的是GeForce系列的，我就点开这一栏

点开后找到 GeForce GTX 970M

 我当前的浮点算力为5.2，推荐3.0以上的算力安装tensorflow的gpu版

 之后我们在这个链接中下载我们显卡的驱动程序 官方 GeForce 驱动程序 | NVIDIA

进入后我们往下拉看到这个界面

 此处需要选择我们的相关信息，比如我是970，产品系列就选择900系列

之后找到对应的产品型号

然后选择相应的操作系统，我当前是windows 64位 

 语言选择简体中文

下载类型选择全部就可以，像我当前的显卡是没有Studio驱动的

• 此处这两种驱动程序可简单理解为 Game Ready是为游戏准备的驱动程序，Studio是为工作准备的驱动程序，不过安装哪一种对最终的结果应该没有影响

 全部选择完毕后点击开始搜索

 稍等片刻之后往下拉会看到一下结果

根据时间不同会有很多版本，此时我们选择最新的驱动，之后点击获取下载

 点击后我们进入这个界面，之后点击立即下载

 之后我们选择下载的路径即可，下载之后会得到这样个文件

 双击它，然后点击是

 这个路径我们选择默认的路径即可，这个路径需要记录下来，如果后面使用nvidia-smi不能弹出驱动信息，需要对环境变量做出修改

由于我之前已经安装过了，所以我现在就不安装了，如果以后遇到新的机器会再更新安装过程，如果想直接获取当前文件可以使用下面这个百度云链接

NVIDIA GeForce GTX 970M v466.77驱动：

链接：https://pan.baidu.com/s/1XmtvB-U7XukF9NpYvyTCfA 
提取码：p3n3

安装完毕之后打开终端，之后输入nvidia-smi出现一下界面则代表显卡驱动安装成功

• 只有输入nvidia-smi出现类似上图的驱动信息，下面的操作才有效

2 安装CUDA

我们看上面的驱动信息可以看到，当前CUDA的版本为10.2，现在我们安装10.1版本的CUDA以适应tensorflow，上面的驱动信息对我们没有影响，只要高于我们要装的CUDA版本即可

首先在CUDA Toolkit Archive | NVIDIA Developer上下载cuda10.1，进入界面后向下滚，找到cuda10.1，然后点击名称带的链接

 点击后出现页面，选择系统的对应信息，我当前是windows 64 10 安装包选择本地exe，之后点击Download 

 弹出另存为对话框选择文件位置正常下载

我这里有下载好的百度云链接

CUDA 10.1

链接：https://pan.baidu.com/s/1BKw1dtyyMto9SasGZHg5Hw 
提取码：pzj8

下载之后会得到这样一个文件，我们双击打开它

第一步就是询问装在哪，像cuda这种东西可能还是装在c盘要更方便一下，我们使用默认路径

第二个界面就是安装过程，进度条走到100%后自动跳转

之后会这样

直接点击关闭

此时我们打开cmd，然后输入nvcc -V，如果出现下图情况则代表安装成功可以跳到 3.安装cudnn，如果没出现结果或者版本不对，需要修改环境变量。

2.1 修改环境变量

点击此电脑，然后点击属性

 点击右侧高级系统设置

点击环境变量

在系统变量中添加这两行

•  变量名和我图上的一样就行，变量值为安装的位置，安装后有一个CUDA文件夹，其中有v10.1这个文件夹，选择这个路径即可
• 如果输入nvcc -V后，发现是别的版本的cuda，在系统变量中删除其他版本对应的变量只保留10.1即可使10.1生效，之前安装的cuda文件不需要删除

更改完系统变量后不要忘记点击确定，确定之后重新启动，启动之后即可使用nvcc -V查看，此时会显示

3. 安装cudnn

• 在进行第三步之前，如果之前输入 nvcc -V 没有像上图一样显示，接下来的操作是无效的

进入这个链接下载cudnn https://developer.nvidia.com/cudnn-download-survey ，下载cudnn时需要登陆nvidia账号

 如果你当前需要用 cudnn7.6.5，可以使用下面的百度云链接下载

cudnn 7.6.5

链接：https://pan.baidu.com/s/1c1gew7YlRnuteep2UmDOwA 
提取码：7aeu

登陆之后点击统一条款，然后点击获取过往版本

 点击之后跳转页面，将页面向下滚，找到cudnn 7.6.5 for CUDA 10.1

 点开后选择win10

 之后选择路径下载

 下载之后会得到一个压缩包文件，解压它

 解压之后会得到名为CUDA的文件夹

进入解压好的文件，其中有3个文件夹和一个文件 

 此时我们打开我们安装CUDA的位置，我当前的位置是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

 我们把这两个文件放在一起后对比，发现这两个文件夹中，都有bin,include,lib这三个文件，我们在解压的文件中打开bin，然后将bin中的文件复制到CUDA安装目录下的bin中

 然后再打开include,再把压缩包内include的文件复制到CUDA安装目录的include中

 最后再打开lib/x64，把压缩包的文件复制到CUDA安装目录下的lib/x64下

此时我们的 Cudnn 已经安装完毕，在windows上我没有找到合适检测 cudnn 生效的方法，确认文件放入即可认定安装成功

4 python环境搭建

我是使用Anaconda搭建的环境，怎么安装anaconda我就不在这里赘述了，conda相关的命令可以查看 Conda基本操作_potato123232的博客-CSDN博客 里面有常用的命令

我们创建完一个新的环境后(python版本3.5-3.8)，激活环境，之后输入

•  如果没新建环境且老环境中有很多的库，安装就会很慢，如果是一个新建的环境会快很多

安装完毕后，输入

pip install tensorflow-gpu==2.3.0 –i https://pypi.douban.com/simple

等待安装完毕后，我们可以打开解释器，我这里使用的notebook，用控制台直接输入python也可以，执行下面这个cell的内容，如果返回为True，则代表我们的tensorflow的gpu版本已经安装成功