不用单独下载CUDA和CUDNN，直接在Anaconda虚拟环境中安装即可，以安装TensorFlow-gpu-2.1.0版本为例

随手笔记前言

不用单独下载CUDA和CUDNN，直接在Anaconda虚拟环境中安装即可，以安装TensorFlow-gpu-2.1.0版本为例

---

一、写该随手目的？

先前一直是手动下载（注：本人是win10系统不是Linux系统）cuda和cudnn进行安装，即麻烦还费事。现以安装TensorFlow-gpu-2.1.0为例来在Anaconda虚拟环境中安装cuda和cudnn。

二、随手笔记内容

1.新建流程。

1.1 新建AI_tensorflow2.0虚拟环境，python为3.7版本：

conda create -n AI_tensorflow2.0 python=3.7

2.2 而后激活环境并进行安装tensorflow2.1.0gpu版

(AI_tensorflow2.0) C:\Users\Administrator> conda activate AI_tensorflow2.0
(AI_tensorflow2.0) C:\Users\Administrator> conda install tensorflow-gpu=2.1.0

而后即会根据需要配置，anaconda自己下载需要版本与软件包，你输入y即可安装。

2.展示结果

安装完成后：

(AI_tensorflow2.0) C:\Users\Administrator>conda list

即会显示安装好的包：

最后进行验证是否安装tensorflow-gpu-2.1.0成功，在pycharm导入你的虚拟环境之后，输入以下代码即可：

import tensorflow as tf
import timeit
import os


with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

print('GPU', tf.test.is_gpu_available())

print(tf.__version__)

如果安装成功了，即会显示以下内容：

总结

以上即为：（更正一下，图片跟tensorflow版本不一样，但是过程是一样的）不用单独下载CUDA和CUDNN，直接在Anaconda虚拟环境中安装即可，以安装TensorFlow-gpu-2.5.0版本为例的内容。这里还要重点说明下：由于我是RTX3090TI，因为非定制的民用30系显卡只支持CUDA11.1以及以上版本的cuda，所以我安装的cuda是11.3(11.2也可以)的版本。如果不知道，可以参照官方说明进行安装：
tensorflow官方说明