win10+Tensorflow2 + cuda +RTX 3080 +cudnn 安装

最近准备开始深度学习相关内容的学习，会在公众号进行同步更新我的学习记录等相关文章，大家可以在后台回复相应的天数，获取相应的代码和数据。

1.前言

配置：

• 系统：Window10
• CPU：i7-10700F
• GPU(显卡)： RTX3080
• cuda：CUDA11.1.0_win10_network
• cudnn: cudnn-11.1-windows-x64-v8.0.5.39
• tensorflow：tensorflow-gpu 2.4.1

NVIDIA GeForce RTX 3080不需要用测试版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！
NVIDIA GeForce RTX 3080不需要用测试版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！
NVIDIA GeForce RTX 3080不需要用测试版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！

2.Anaconda安装

官网传送门：【Anaconda】

点它（红框框）

来吧，做选择

打开Anaconda然后你就可以看到这个界面，我们进入Environments中去

然后创建一个Tensorflow-gpu的虚拟环境，如图，记住python版本要下调到python3.6，不能比这个高了。

然后在里面把Tensorflow-gpu安装了。

3.cuda安装

CUDA官网：【cuda】

这个安装有时候需要科学上网，可以加我微信给你分享一点不一样的东西。

下载完成后傻瓜式安装即可。

4.cuDNN安装

cuDNN官网：【cuDNN】

这一步，官网可能需要的填一份调查问卷什么的，填它就好了。

然后下载与CUDA相对应的版本

下载完成后，你会得到一个文件夹，里面有include、lib64、bin三个文件，将它复制到CUDA的文件夹（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）。

最后一步，将下面四个路径添加到环境变量当中去。

安装tensorflow-gpu

pip install tensorflow-gpu

5.代码处理

在python代码中加入以下代码，将代码的运行放到GPU上

gpus = tf.config.list_physical_devices("GPU")
print(gpus)
if gpus:
    gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPU
    tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用
    
    tf.config.set_visible_devices([gpu0],"GPU") 

检查TensorFlow版本

import tensorflow as tf
print(tf.__version__)

6.如果还不能解决，看这里

检查一下是否提示缺失cusolver64_10.dll文件

将中的cusolver64_11.dll

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\cusolver64_11.dll”

改为cusolver64_10.dll

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\cusolver64_10.dll”