win10安装cuda cudnn和tensorflow-gpu 踩坑与正确的出坑姿势

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。