win10+Anaconda3+python3.7+tensorflow_gpu2.1安装

win10+Anaconda3+python3.7+tensorflow_gpu2.1安装

首先，确认自己是否有支持安装CUDA的NVIDA显卡以及查看是否有NVIDA显卡驱动程序，如果有，就不用安装了（一般刚装完系统都会安装这些驱动），建议自动更新驱动程序一下。

另，本人已成功安装python3.7.2与anaconda3

安装Visual Studio Community 2019

之后点击安装，这个安装需要耗费一些时间，耐心等待！

安装cuda

传送门：cuda10.1（与tensorflow2.1匹配的cuda版本为10.1）

选择自定义安装

这里取消勾选 Visual Studio Integration,Nsight Systems和Nsight Compute。

Driver Components和NVDIA GeForce Experience Components这两个组件，如果“当前版本”低于“最新版本”，则勾选，否则取消。

等待安装

如果在安装目录的bin目录下发现这个文件，就说明装好了！

安装CuDNN

传送门:CuDNN 这个网站需要进行注册。

选择与此前安装的CUDA10.1版本符合的CuDNN7.6.5、win10版本进行下载。

将解压后的文件夹放入Cuda安装目录下：

并将CuDNN文件夹bin目录下的cudnn64_7.dll文件放入CUDA的bin目录下，否则会报“Could not load dynamic library 'cudnn64_7.dll”的错误。效果如图：

环境变量配置

安装完成后，就需要我们配置Cuda的环境变量了，我们在计算机上点右键，打开属性->高级系统设置->环境变量，自动默认帮我们设置好了这2个环境变量：

我们需要手动添加另外两个环境变量，分别是CUDA安装目录下的lib64目录路径，和CuDNN下的bin目录路径。如图：

进入cmd窗口，输入“nvcc –V”，可以看到我们安装的CUDA版本。

安装Tensorflow

打开Anaconda Navigator，新建一个环境（我习惯一个框架一个环境），如图：

自定义环境名（我的是TensorflowPath），等待配置完成。

点击环境名上的箭头，选择open terminal，激活该环境。在打开的窗口中输入“conda install tensorflow-gpu”，就会自动安装适配你的环境的tensorflow的版本。此后，等待安装即可。

安装完成后，依次输入
python
import tensorflow as tf
print(‘GPU:’, tf.test.is_gpu_available())
进行测试
若最后输出GPU:True则说明安装成功。

注：第一次运行该命令时，会在 Adding visible gpu devices: 0这个地方卡住，这是正常情况，耐心等待即可。