TensorFlow-GPU的安装记录

终端参数：

系统	Windows10
Python	3.8.3
Anaconda	对应python3.8
NVIDIA显卡	GeForce 940MX
CUDA	11.0
cuDNN	8.0.5
TensorFlow	2.4.0

一、下载并安装Anaconda

1、官网下载地址：

https://www.anaconda.com/products/individual#download-section

2、安装。

一直点击next / I agree，在遇到如下界面时，记得勾选“Add Anaconda to my PATH environment variable”，目的是给Anaconda添加环境变量，以便之后通过命令行调用其程序。

3、检测是否安装成功。

（1）Win+R打开运行窗口，输入cmd进入命令行窗口。
（2）输入conda list。如果Anaconda安装成功，则会出现一系列Python库的信息。

二、下载并安装CUDA

1、选择合适的CUDA版本。

大神说：“CUDA是基于NVIDIA显卡的加速库，它有利于深度学习框架在NVIDIA的GPU显卡的加速运算。”所以：
（1）在安装CUDA前，一定要先确认自己终端为NVIDIA显卡。
确认方法：桌面点击鼠标右键，如下图所示即可。

（2）在选择下载的CUDA版本时，一定要先确认与自己终端NVIDIA显卡相匹配的CUDA版本。
确认方法：
① 进入NVIDIA控制面板，选择“系统信息”；
② 选择“组件”，查看适配的CUDA版本。

2、官网下载地址：

https://developer.nvidia.com/cuda-toolkit-archive

【因为我的显卡适配的CUDA版本为11.0.228，所以我下载的是CUDA Toolkit 11.0的版本。】

（1）点击CUDA Toolkit 11.0进入下载界面，并选择好参数。
【Tips：
① 因为CUDA的安装包很大，直接下载的话会超级慢，所以建议先在终端安装“迅雷”。
② 完成后，右键单击如下界面的“Download”，复制下载链接到“迅雷”中，“迅雷”会自动弹出复制来的CUDA下载链接界面，如下图，点击立即下载即可。

3、安装。

安装时，选择自定义模式。之后一直点击下一步。

4、检测是否安装成功。

（1）Win+R打开运行窗口，输入cmd进入命令行窗口。
（2）输入nvcc -V（大写V）。如果CUDA安装成功，则会出现CUDA的版本信息。

三、下载cuDNN，并配置环境变量

cuDNN：神经网络加速库。

1、官网下载地址：

https://developer.nvidia.com/cudnn

点击进入下载页面之后，如下图所示，需要登录/注册NVIDIA的账号。第一次下载的话，按照提示一步步注册账号就好咯！

登录账号后，勾选“ I Agree To the Terms of the cuDNN Software License Agreement
”，就会弹出可供下载的cuDNN版本。在版本选择选择时，注意要跟自己刚才安装的CUDA版本适配，如下图，点击“Archived cuDNN Releases”，就可以看到更多版本的cuDNN啦！

【例如，我刚才安装的是CUDA11.0，所以在这儿我就下载了cuDNN8.0.5】

点击自己需要下载的版本，选择系统适配类型。

2、环境配置。

（1）下载完cuDNN后会得到一个压缩包，把它解压到当前位置，并把如下图所示的三个文件夹，依次拷贝到CUDA的安装目录下。


（2）接下来需要把CUDA安装目录下的“bin、include、lib、libnvvp”文件的路径添加到环境变量中。
添加方法：进入“编辑系统环境变量”，选择“高级”-“环境变量”。找到“系统变量”中的“Path”，点击“编辑”-“新增”。操作步骤如下图所示。

【以我自己为例，我就会把以下4个路径添加到环境变量中：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
下图是添加好的样子】

最后，返回的时候记得一直点击确定/保存。

四、下载TensorFlow，并在pycharm中运行

1、下载并安装。

（1）首先，在Anaconda中为TensorFlow创造一个单独的环境。Win+R打开运行窗口，输入cmd进入命令行窗口。在窗口中输入"conda create -n tensorflow python=3.8"
【python=3.8是指定python的版本，可以根据自己的实际情况选择】
（2）创建好环境之后，输入“conda activate tensorflow”进入环境。
（3）接下来使用清华镜像下载gpu版的TensorFlow。输入“pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple ”
【使用清华镜像源下载速度会快很多。这里tensorflow-gpu可以指定版本，但一定要跟自己都CUDA匹配。不指定的话就会默认下载最新版本的。
【因为我已经安装好了，所以输入命令后的截图没有参考价值，这里就不放啦！】

2、检测是否安装成功。

（1）Win+R打开运行窗口，输入cmd进入命令行窗口。
（2）输入“ipython”打开Python交互式命令终端。
（3）输入“import tensorflow as tf”，导入TensorFlow。
（4）输入“tf.test.is_gpu_available()”，如果返回“True”，则代表TensorFlow的GPU版本安装成功。

3、在pycharm中添加TensorFlow运行路径。

按照下图步骤就可以啦！



【路径不一定一样，只要在自己安装的Anaconda中找到TensorFlow的运行路径就行啦！】

4、检验是否能运行成功。

新建一个.py文件，输入

import  tensorflow as tf
print(tf.__version__)

如果能正确返回TensorFlow的版本号，那就是导入并运行成功啦！