win10+Tensorflow + cuda +RTX 3090/3080 +cudnn 安装

最新推荐文章于 2025-10-10 19:55:52 发布

原创最新推荐文章于 2025-10-10 19:55:52 发布 · 1.4w 阅读

58 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #机器学习 #深度学习

本文提供了一套详细的RTX3080/3090显卡在深度学习领域的配置流程，包括cuda11.1、cudnn8.0.4、nv最新驱动456.43、python3.7/3.8及tensorflow nightly版本的兼容性匹配方案。特别注意，tensorflow正式版暂不支持cuda11，需安装nightly版本。

最近RTX3080 / 3090发售，深度学习计算能力提升巨大，本人第一时间入手进行测试，确实氢弹级别！
使用中，最新的cuda11，cudnn，显卡驱动，tensorflow版本都需要一一对应，而tensorflow正式版还无法支持cuda11。为了让大家省点事，把踩过的坑写下来。

具体细节大家自己去百度和看各博客，这里给出一个简要的指南：

1、cuda 安装11.1 对应 cudnn安装cudnn-v8.0.4
2、nv驱动只能用最新的456.43
3、python 可以使用3.7 3.8均可可用anaconda安装
4、tensorflow 安装最新的nightly版本 https://pypi.org/project/tf-nightly-gpu/ （2.4.0 dev版本）

  pip install tf-nightly-gpu

5、如果tensorflow提示缺失cusolver64_10.dll 请上网搜索，找到以后复制到C:\Windows\System32 目录，也可以在之前版本的cuda目录中去拷贝，“_10”代表了10.0版本，如果是“cusolver64_100.dll”，可以重命名删除掉一个0,再拷贝，效果一样。目录一般在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v1x.x\bin”，可以在其他电脑或者以前安装的版本中拷贝。除了这个文件，可能还有缺失其他文件，但是按照我的安装步骤，只会提醒该文件缺失。
6、可以用这个工程测试，比较轻量化，数据集也有下载
[Polyp-Segmentation-using-UNET-in-TensorFlow-2.0]