CUDA：tensorflow的GPU版本安装

需要用到的硬件和软件

• 支持cuda的gpu。

• anaconda, python, CUDA, cudnn, cudatoolkit。

  • CUDA安装
  • cudnn和cudatoolkit可以通过conda直接安装，要注意cuda，cudnn，cudatoolkit版本的协调，在这里可以查看协调的组合。
  • CUDA, cudnn, cudatoolkit的关系

注意事项

1. 注意cuda的版本，如果遇到了Could not load dynamic library ‘cudart64_100.dll’; dlerror: cudart64_100.dll not found，说明cuda版本不对。"cudart64_100.dll"中的100说明需要的是10.0版本的cuda（若那里是101说明是cuda10.1）。需要重新安装正确的版本。可以参考这个卸载干净旧版的。
2. cudnn，cudatoolkit下载的慢可以用镜像：清华大学的 pypi 镜像，清华大学的 Anaconda 镜像。
3. 一个参考的安装教程链接。

验证安装成功

进入安装了上述必需品的anaconda虚拟环境，执行下列代码：

import tensorflow as tf

A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)

print(C)

如果正常输出了结果则正确。注意看是否用到了gpu。

 Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 1356 MB memory) -> physical GPU (device: 0, name: GeForce MX250, pci bus id: 0000:06:00.0, compute capability: 6.1)