cuda 本地内存使用_Windows10 配置深度学习环境(使用本地GPU，配置Visual Studio 2017 + CUDA 10.1 + TensorFlow-GPU 2.3.0)...-CSDN博客

本文链接：https://blog.csdn.net/weixin_28998761/article/details/113561305

本文详细介绍了如何在Windows 10系统上配置深度学习环境，包括安装Anaconda、Visual Studio 2017、CUDA 10.1、cuDNN和TensorFlow-GPU 2.3.0。过程中强调了版本匹配、环境变量配置和安装注意事项，通过测试确认CUDA和TensorFlow-GPU安装成功。

摘要由CSDN通过智能技术生成

最近需要使用TensorFlow来做一个项目，因此涉及大量的矩阵运算，但如果仅仅使用CPU来运算，训练的时间就会比较久。虽然可以借助谷歌的colab平台来进行在线的训练，但是始终有各种各样的限制。所以直接使用本地的GPU来做相对来说会比较方便快捷一些。但是，要想使用本地的GPU，还需经过九九八十一难，各种各样的环境配置和软件安装。这也是我第一次在本地配置这样的环境，经过各种各样的坑之后，终于配置完成了，在此跟大家详细的分享一下我配置的整个过程。

在配置环境之前，需要确保自己的电脑能够使用CUDA。首先需要确认自己的电脑是有NVIDIA显卡，如果没有，那么你就无法安装CUDA了，CUDA是NVIDIA提供的专门面向编程的加速库，其他品牌的显卡是不能安装的，这个时候你就只能安装TensorFlow CPU的版本。

CUDA、cuDNN和tensorflow-gpu之间是需要对应版本的，但是在官网给出的对应关系中没有CUDA10.1的对应TensorFlow版本。不过在“GPU支持”介绍中提到“TensorFlow 支持 CUDA 10.1(TensorFlow 2.1.0 及更高版本)”，所以安装CUDA 10.1+TensorFlow 2.1.0以上版本是兼容的。