Windows下tensorflow-keras深度学习训练环境GPU加速问题

环境搭建

首先，请确保电脑上已经安装了 Anaconda。如果没有，请按照anaconda官网下载安装 

安装和使用可参考：http://t.csdnimg.cn/lCJ1Ihttp://t.csdnimg.cn/lCJ1I

继续去官网安装cudahttps://developer.nvidia.com/cuda-toolkit-archive和cuDNNhttps://developer.nvidia.com/rdp/cudnn-archive下载对应版本，本机是cuda 12.4和cudnn 11.6 

输入以下命令来创建一个名为 py38_test的新虚拟环境（名称自己定），指定 Python 版本为 3.8.8

conda create --name py38_test python=3.8.8

 激活环境：

conda activate py38_test

 为了支持 TensorFlow-GPU，我们需要安装CUDA Toolkit 11.3和cuDNN 8.2.1以支持GPU加速

安装 CUDA Toolkit 和 cuDNN：

conda install cudatoolkit=11.3 cudnn=8.2.1

 然后安装tensorflow-gpu

pip install tensorflow-gpu==2.10.0 keras==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

 可能出现的问题

问题一：Loaded runtime CuDNN library: 8.0.4 but source was compiled with: 8.1.0.  CuDNN library needs to have matching major version and equa 

如果安装2.10版本的 tensorflow

同时也会报错：WARNING:tensorflow:Layer lstm will not use cuDNN kernels since it doesn't meet the criteria. It will use a generic GPU kernel as fallback when running on GPU.

问题二：device_lib.list_local_devices()只有一个cpu

运行以下代码发现只有cpu一个设备

from tensorflow.python.client import device_lib
print("local_devices:", device_lib.list_local_devices())

命令行查看版本

nvidia-smi

切换gpu版本
程序默认使用最后安装的tensorflow2.10.0版本，我先安装的tensorflow-gpu，后安装的tensorflow2.10.0，所以默认使用的是tensorflow2.10.0，卸载tensorflow-gpu：
pip uninstall tensorflow
重新安装
pip install tensorflow-gpu==1.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装指定版本，不然cuda和cudnn不兼容

问题三：DEBUG:tensorflow:Layer lstm will use cuDNN kernels when running on GPU.

可尝试以下方法

http://t.csdnimg.cn/ANoU6http://t.csdnimg.cn/ANoU6

解决问题后keras网络训练的程序在GPU上跑起来速度快很多！！！