Tensorflow安装与配置教程（超详细,细的有点烦）

一、在安装tensorflow-gpu2.1.0之前，首先需要确定我们的电脑到底支不支持gpu，具体的查看方式如下图所示：

首先选中“我的电脑”单击右键---->“管理”---->“设备管理器”---->“显示适配器”---->查看是否有NVIDIA显卡，要是有就表示我们可以安装tensorflow-gpu，否则我们只能安装不支持gpu的tensorflow版本。

 二、估计你需要安装的tensorflow-gpu版本，然后查看tensorflow与CUDA的版本对应关系（本教程安装tensorflow-gpu==2.1.0）

根据上表查找对应的cuda版本号，这里选择cuda10.1。当确定cuda版本号以后进行cuda的下载。

三、下载cuda

建议大家最好在cuda官网去下载（CUDA Toolkit Archive | NVIDIA Developer） 

 选择cuda10.1版本进行下载

 大家可以根据自己的操作系统勾选对应的选项进行下载。

四、安装cuda

在win10系统下cuda的安装与普通软件的安装大体一致，只是在安装的过程中有一些地方需要注意。

 *这里大家一定要注意，尽量选择自定义安装，因为后续还有版本需要核对。

 进入这一步后，依次点开CUDA、Other components、Driver components前面的加号，然后核对每一项的“新版本”与“当前版本”值。当“新版本”的值小于“当前版本”时去掉前面的勾选，否则会造成安装不成功。如果“新版本”的值大于“当前版本”可以勾选前面的选项。（非常重要）

当选择完这一步后，接下来持续点击，直到安装完成。

五、环境变量配置

至此我们已经将cuda安装完成了，现在需要进行环境变量的配置并验证安装是否有效。

依次在cuda的安装目录中配置如上图所示红框的环境变量。配置完成后打开终端并输入nvcc -V（注意：是大写V，不要输入小写）来验证是否安装成功。

当看到如上信息，表示cuda已经安装成功了。 

 六、cudnn的安装

NVIDIA cudnn是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。cudnn是基于cuda的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。cudnn的安装相对比较简单。首先去下载cudnn，可以去官方网站（cuDNN Archive | NVIDIA Developer）下载，麻烦就在于需要创建账户。大家也可以在清华镜像(https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/）中去下载cudnn。

 下载完成后进行解压，解压完成后会看到下图所示中的文件。

 然后进入Library文件夹，可以看到如下图所示的三个文件夹。

 将Library文件夹下的bin、include、lib三个文件夹复制到cuda的安装目录下并替换原有的文件夹。

 至此，我们就完成了cuda、cdnn的安装。

七、tensorflow-gpu2.3.0的安装

当完成了前面cuda以及cudnn的安装后，就可以进行tensorflow-gpu的安装了。打开命令行，然后输入pip install tensorflow-gpu==2.3.0进行安装即可。如在安装的过程中遇到问题，请自行寻找解决方案。

 

 安装完成后，测试安装的tensorflow能不能调用gpu

***   如果出现“ DLL load failed: 找不到指定的模块”的错误，可以在网站https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-170

下载对应的版本进行安装。具体可参考博客：

https://blog.csdn.net/sereasuesue/article/details/105327611

八、pytorch的安装及测试

在安装pytorch之前，大家首先需要确认pytorch与cuda的版本对应关系，可以参考网址

Previous PyTorch Versions | PyTorch来进行核对。这里我就直接选择pytorch1.9+cuda10.2进行安装。首先打开pytorch官网：

大家可以根据自己的电脑系统以及安装的cuda版本选择对应的选项。当勾选完成后，复制下方的命令进行安装。 

然后指令粘贴在命令行下进行安装，这里我将pip3修改为了pip。如果大家只装了anaconda的环境，这里可以不用修改。 

 安装的过程有点慢，大家也可以使用清华镜像来安装

-i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成后即可进行测试，具体测试方法如下图所示：

至此我们就完成了全部的环境配置。如果大家在安装过程中遇到什么问题，可以留言也可以查找其他的解决方案。

八、参考博客

1、深度学习GPU环境CUDA详细安装过程（简单快速有效） - 知乎

2、深度学习GPU环境CUDA详细安装过程（简单快速有效） - 知乎

 非常感谢以上作者的优秀博文。