win10 + 3070/3080/3090的tensorflow-gpu安装

 

3070/3080/3090显卡 + win10 下的tensorflow2-gpu配置

 

前言

近期入手3080，按照之前笔记本的安装方式跑不起来，后来查了后发现之前的驱动不支持新的显卡，还是年轻了。

不讲武德，上才艺，自己平时科研没太多时间，安装CUDA这些不再截图，简单步骤帮大家避避坑。

 

一、步骤

1. NVIDIA驱动更新至最新版

2. 安装Anaconda支持3.7/3.8

3. 安装CUDA11.1

4. cudnn包导入CUDA安装目录

5. 配置环境变量

6. anaconda创建环境安装cudnn

7. 安装tf-nightly-gpu

二、稍微具体步骤

Step 1：NVIDIA驱动更新至最新版

使用驱动大师（或其他驱动软件）将NVIDIA更新至最新版。30系列显卡新出的，很多东西还在完善，更到最新就完事了。

Step 2：安装Anaconda支持3.7/3.8

前往anaconda官网下载win10的64位图形界面，安装好，过程中把添加环境变量勾选上

Step 3：安装CUDA11.1

NVIDIA官网下载CUDA实在是太慢（可以点链接试试），给一个百度网盘的链接，安装好进行下一步

链接：https://pan.baidu.com/s/1yKfgpLyFeGHpGRFPbCKMRw 
提取码：1234 
 

Step 4：cudnn包导入CUDA安装目录

NVIDIA官网（需注册）下载cudnn for 11.1实在是太慢，同样给一个百度网盘的链接，下载后解压，找到CUDA安装目录复制到如下文件夹下（默认路径）

链接：https://pan.baidu.com/s/1T1aUvxvRajgxuEGGwCMm4w 
提取码：1234 

Step 5：配置环境变量

上这里边找

按照下边和NVIDIA相关的少啥补啥

Step 6：anaconda创建环境安装cudnn

1. anaconda创建环境可以用conda命令，可以用anaconda程序的界面创建

2. 激活环境安装cudnn

activate 环境名称

conda install cudatoolkit=11

Step 7：安装tf-nightly-gpu

1. 在上述环境下安装

  pip install tf-nightly-gpu

2. 安装jupyter

pip install jupyter

3. 进入jupyter notebook

jupyter notebook

---

测试

1. 测试是否有GPU设备

import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)

2. 测试GPU是否可用

tf.test.is_gpu_available()

如果你得到以下结果，大功告成！

如果出现了以下错误，尝试在代码加入以下代码

错误：

InternalError:  Blas xGEMM launch failed : a.shape=[1,200,64], b.shape=[1,64,7], m=200, n=7, k=64
	 [[node model/dense/MatMul (defined at <ipython-input-1-aa8c5aae84a3>:158) ]] [Op:__inference_train_function_1621]

Function call stack:
train_function

插入代码：

import tensorflow as tf
config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True))
sess = tf.compat.v1.Session(config=config)