配置TensorFlow的cuda环境教程

由于各种深度学习框架（TensorFlow、Pytorch等等）和 cuda 版本的更新较快，可能出现程序的编译和运行需要之前版本的 cuda 进行运行环境支持的情况。
为了满足应用程序和框架本身对不同版本的 cuda 的需求，这里即记录笔者了解到的 Windows 和Ubuntu 环境下 TensorFlow 所使用 cuda 版本以及TensorFlow使用不同版本的 cuda 进行运行的方法。

一、硬件要求

官网链接：

https://developer.nvidia.com/cuda-gpus

选则自己显卡类型对应的NVIDIA系列，可以得到显卡的计算能力（compute capability）
注意标注Notebook的为笔记本电脑

不知道自己显卡版本的可以通过“设备管理器”查看，或者使用第三方软件GPU-Z查看。请注意，AMD的显卡不可以使用英伟达开发的CUDA…

二、软件要求

1. 查看Python、tensorflow、CUDA、Cudnn版本的对应关系，确定版本方案

注意记下自己需要的tensorflow版本、CUDA版本、Cudnn版本、Python版本

以下是我windows系统的安装方案：
tf1.15.0+CUDA10.0.130+CuDNN7.4.2+Python3.7.11
tf2.5.0+CUDA11.2.0+CuDNN8.1.1+Python3.7.11

安装文件我都下载好啦~如果系统和方案和我一样的就可以直接下载用

链接：https://pan.baidu.com/s/1VGCSy7yAOhXwgHtPfmzRtw
提取码：sau0

Windows用户Tensorflow官网链接

https://www.tensorflow.org/install/source_windows

Linux用户Tensorflow官网链接

https://www.tensorflow.org/install/source#common_installation_problems

注意：
若要支持 Python 3.9，需要使用 TensorFlow 2.5 或更高版本。
若要支持 Python 3.8，需要使用 TensorFlow 2.2 或更高版本。
如果使用错误的Python版本，将无法安装TensorFlow！

2. 下载NVIDIA GPU 显卡驱动程序

显卡驱动的下载链接

https://www.nvidia.com/download/index.aspx?lang=en-us#

填入GPU的信息

得到下载链接

验证驱动安装成功

查看N卡状态

nvidia-smi

3. 下载CUDA工具包

3.1 简介

CUDA 是NVIDIA专门负责管理分配运算单元的框架
CUDA的本质是一个工具包（ToolKit）

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

3.2 下载方法

下载之前我们需要知道已经安装了什么版本的CUDA
至于怎样知道自己安装了多少个工具包，可以参考3.3的内容

安装最新版本CUDA工具包

下载链接：

https://developer.nvidia.com/cuda-toolkit-archive

我们可以选择两种安装方式
一种是离线安装即本地安装（推荐第一次安装CUDA的用户使用）
一种是在线安装（推荐已经安装多个CUDA版本的用户使用）

解释：NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的，也不是一一对应的关系，只不过是离线安装的CUDA工具包会默认安装与之匹配的最新的驱动程序，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。

这里我要安装到E盘，不是默认目录，所以选则自定义

3.3 查看所安装的CUDA版本

（1）在windows平台下:
方法一（推荐）：
直接进入CUDA的安装目录，默认是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA然后执行：type version.xxx 即可查看（有的是.txt文件，有的是.json文件）
方法二（不推荐）：
通过命令查看：nvcc -V 或者是nvcc --version都可以，但前提是添加了环境变量

（2）在Linux平台下：

同windows类似，进入到安装目录，然后执行 cat version.txt 命令

4. cuDNN

4.1 简介

cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。

cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。

4.2 下载及安装

需要注册和登陆NVIDIA 帐户并填写问卷才能下载

https://developer.nvidia.com/rdp/cudnn-archive

下载下来是个压缩包，解压后，里面有三个文件夹。
找到 CUDA 的安装路径，默认是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

复制 cuDNN bin 目录下的文件到 CUDA 的 bin 目录下（.dll）
复制 cuDNN include 目录下的文件到 CUDA 的 include 目录下（.h）
复制 cuDNN lib/x64 目录下的文件到 CUDA 的 lib/x64 目录下（.lib）

读不懂的看这个图



接下来设置环境变量：
计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_1两个环境变量，接下来，还要在系统中添加以下几个环境变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
(这是默认安装位置的路径，经自定义路径后，我的路径为E:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PAT