环境介绍
GPU:NVIDIA GeForce RTX 3060
操作系统:windows10家庭版
脱坑指南
很多博客一上来就是安装CUDA和cudnn,说明怎么去看显卡,怎么去找对应的cuda和cudnn,可是到安装tensorflow-gpu一直失败,tf无法调用gpu,本人深受其害,在尝试了多次之后总结出来正确的安装姿势。
第一步:知己知彼
1、查看GPU等信息
在安装这三样之前,一定要去tensorflow官网查看相对应的版本号、python环境、cdunn等信息,需要一一对应起来,如果有一个没有对应起来就会导致安装失败。
查看对应版本:https://tensorflow.google.cn/install/source_windows
2、查看自己电脑gpu版本和适合的cuda版本:
计算机----->右键----->管理
然后去nvidia官网找对应的驱动版本下载:https://www.nvidia.cn/Download/index.aspx?lang=cn 然后一路安装即可。
这样gpu的驱动就安装成功了,接下来找合适的cuda和cudnn:
打开【控制面板】->【NVIDIA控制面板】->【帮助】->【系统信息】->【组件】->看3D设置一栏中的[NVCUDA.DLL]一行后面的[产品名称]一栏所对应的内容即为自己显卡支持的CUDA版本,然后根据CUDA下载相应版本的cudnn。cudnn链接:https://developer.nvidia.com/rdp/cudnn-archive
cudnn解压:
然后将其粘贴复制到CUDA安装目录下:
第二步:水到渠成
此时,已经下载好了gpu驱动、CUDA和cudnn,就剩tensorflow-gpu。如果要使用pip则需要在对应的python环境下进行,这里推荐使用conda环境管理工具。
conda创建虚拟环境,举例:CUDA为11.2, cudnn为8.1, 创建一个python环境为3.7的tensorflow-gpu。查阅第一张图得知,适合的tensorflow-gpu版本为2.5.0,于是:
conda create -n name python==3.7
conda activate name
pip install tensorflow-gpu==2.5.0
测试:在该环境下输入python进入python命令行模式
import tensorflow as tf
tf.test.is_gpu_available()
打印出来“True”即为成功。
还有一种情况:报错:打开 “xxx-版本号 ”不成功。找到CUDA安装路径,在bin目录下,找到 “xxx-版本号” ,将bin下的版本号改为与报错中相同的版本号即可。