win10 +Tensorflow-gpu环境搭建及使用（cuda10.1+python3.8+tensorflow2.3.1）【详细】

1、准备工作

首先我们要确定电脑所能支持的tensorflow版本，根据tensorflow官网所给配置，我们要去检查电脑gpu的cuda支持版本，再去对应下载python版本和tensorflow版本。
右键桌面>NVIDIA控制面板>帮助>系统信息>组件

上图说明我的显卡所支持的cuda版本为11.1（向下兼容）

官网配置截图

cuda安装

由于tensorflow最高版本对应的是cuda10.1版本，那我们下载cuda10.1就可以

到英伟达官网下载cuda（注意：电脑上一开始没有配置cuda，以上只是在查版本，所以要去下载）https://developer.nvidia.com/cuda-toolkit-archive
点击CUDA Toolkit 10.1

下载完后安装，自定义安装，地址默认即可

记下安装的路径（配置环境用得到）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

cuDNN安装

登录英伟达官网https://developer.nvidia.com/rdp/cudnn-download

下载完后将解压文件夹中的三个文件夹全部复制进cuda安装目录下，没有文件会覆盖

cuda+cuDNN环境配置

系统应该自动添加了以下环境变量

以及
我们需要在path中额外添加

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64

win+R cmd 中输入

nvcc -V

python安装

win+R cmd 中输入

python

系统原先没有的话，会弹出window应用商店提供安装（一般是python3.8版本）

2、Tensorflow 安装

tensorflow的安装需要很多依赖库，为了方便依赖库的安装，直接用Anaconda的环境

Anaconda安装

下载地址：https://www.anaconda.com/products/individual


安装好后配置环境，在path中添加

D:\Software\Anaconda3\Scripts
D:\Software\Anaconda3\Library\bin
D:\Software\Anaconda3

TensorFlow安装

打开Anaconda Powershell Prompt,在Anaconda的终端下输入

conda activate tensoflow-gpu

创建环境，环境名为tensoflow-gpu

接着输入

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

通过清华源下载tensorflow，当然没有版本限制的话直接下的是2.3.1的最新版本，若选择版本则添加版本限定

pip install -U tensorflow-gpu==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

下载完后我们进行测试tensorflow的GPU版本是否安装成功
输入ipython进入ipython交互式终端，再输入命令

import tensorflow as tf 

没有报错继续输入,测试GPU是否可用

tf.test.is_gpu_available()

如果为true，则TensorFlow GPU版本安成功
可用以下命令查看tensorflow版本号

tf.__version__

退出ipython交互式终端

exit()

顺便安装python常用库

python -m pip install  -U numpy matplotlib pillow pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

退出tensoflow-gpu环境

conda deactivate

完成

测试

进入环境conda activate tensoflow-gpu>ipython>粘贴测试代码

import tensorflow as tf
import timeit
 
with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)
 
with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 10000])
    gpu_b = tf.random.normal([10000, 2000])
    print(gpu_a.device, gpu_b.device)
 
def cpu_run():
	with tf.device('/cpu:0'):
		c = tf.matmul(cpu_a, cpu_b)
	return c
 
def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c
 
# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)
 
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

输出

3、TensorFlow IDE(集成开发环境)

推荐使用PyCharm（免费）
下载官方网址：https://download.jetbrains.com/python/pycharm-professional-2020.2.3.exe
下载安装后点击右下角设置



ok，然后apply
新建

运行测试程序(！！！注意：不要在anaconda终端环境没有退出的情况下在pycharm运行，不然会报错显存不足，failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED)


OK
如有错误，欢迎指正