TensorFlow的安装教程_python tensorflow 默认cpu-CSDN博客

本文链接：https://blog.csdn.net/weixin_40645361/article/details/105884018

1).首先声明我的配置简装顺序是：anaconda3（Python 3.6.4）+ Pycharm Professional 2019.03 + tensorflow2.1 + CUDA Toolkit 10.1 + CUDNN v7.6，都成功安装并且可以正常使用

2).关于anaconda3（Python 3.6.4）+ Pycharm Professional 2019.03的安装等问题参见我CSDN里面的博客，有详细的说明

1.问题

最新版的tensorflow2.1默认安装cpu和gpu两个版本，gpu不能运行时退回到cpu版本。运行相关代码时显示错误：

Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found
Ignore above cudart dlerror if you do not have a GPU set up on your machine.

2.原因

先来排查错误，显示“cudart64_101.dll not found”，那是因为我安装的cuda为10.0版本的，“cudart64_101.dll”是cuda10.1这个版本中才含有的（cuda10.2貌似也没有）。

因此我们需要手动将“cudart64_101.dll”添加到“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin”中去。

如果你的电脑甚至都没有安装CUDA及CUDNN，那么我的博文或许会帮助到你

错误的原因就是：你的电脑的相应文件夹下面没有cudart64_101.dll

3.解决

步骤：先安装TensorFlow 2.1.0--->再安装CUDA Toolkit 10.1--->最后安装CUDNN v7.6，三者版本是对应的哈，

CUDA Toolkit 10.1下载网址： CUDA Toolkit 10.1 update2 (Aug 2019), Versioned Online Documentation

CUDA Toolkit 10.1安装教程：https://baijiahao.baidu.com/s?id=1664131820191905649&wfr=spider&for=pc

更多各种版本CUDAToolkit 安装见：https://blog.csdn.net/discoverer100/article/details/86696311

CUDNN v7.6下载网址：https://developer.nvidia.com/developer-program

CUDNN v7.6安装教程：https://jingyan.baidu.com/article/39810a236d660bb636fda6d4.html

1.安装TensorFlow 2.1.0

最新版的tensorflow2.1默认安装cpu和gpu两个版本，所以会同时都给你安装

打开Anaconda Prompt--->输入conda create -n tensorflow pip python=3.6.4创建Python版本为3.6.4的环境，遇到Proceed ([y]/n)? 输入y即可

紧接着激活TensorFlow环境

在输入pip --default-timeout=100000 install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple/，这样下载会很快，而且timeout=100000会使得不会因为pip延迟而导致屡次下载超时而引起的下载失败

一直等待下载完成就好了，然后我们在输入python--->import tensorflow as tf发现会出现开头所述的错误，我们在2.原因中也说到了原因，下面开始解决

2.安装CUDA Toolkit 10.1

要搭建TensorFlow的GPU版本，首先需要的必备条件就是一块能够支持CUDA的NVIDIA显卡，因为在搭建TensorFlow的GPU版本时，首先需要做的一件事就是安装其基础支持平台CUDA和其机器学习库cuDNN，然后在此基础上搭建TensorFlow GPU版本。

其次还要了解一下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少，因为在TensorFlow的GPU版本安装过程中，如果对应的CUDA版本和cuDNN版本不正确的话，是无法正常使用GPU来进行模型训练的。下表整理出了TensorFlow从1.2到最新版本的CUDA和cuDNN所对应的版本集合。

查看本机GPU是否支持安装tensorflow-gpu，安装gpu版本的tensorflow需要安装cuda和cudnn。所以需要检查cuda是否支持本机gpu，需要计算能力大于3.1。查看本机显卡配置，对比官网的显卡型号是否支持：显卡型号支持：https://developer.nvidia.com/cuda-gpus

CUDA Toolkit 10.1下载网址： CUDA Toolkit 10.1 update2 (Aug 2019), Versioned Online Documentation

CUDA Toolkit 10.1安装教程：https://baijiahao.baidu.com/s?id=1664131820191905649&wfr=spider&for=pc

更多各种版本CUDAToolkit 安装见：https://blog.csdn.net/discoverer100/article/details/86696311

3.安装CUDNN v7.6

CUDA Toolkit 和CUDNN v7.6的版本对应表：

TensorFlow版本	CUDA版本	cuDNN版本
1.2	CUDA Toolkit 8.0	cuDNN v5.1
1.3	CUDA Toolkit 8.0	cuDNN v6 or v6.1
1.4	CUDA Toolkit 8.0	cuDNN v6.1
1.5	CUDA Toolkit 9.0	cuDNN v7.0
1.6	CUDA Toolkit 9.0	cuDNN v7.0
1.7	CUDA Toolkit 9.0	cuDNN v7.0
1.8	CUDA Toolkit 9.0	cuDNN v7.0
1.9	CUDA Toolkit 9.0	cuDNN v7.0
1.10	CUDA Toolkit 9.0	cuDNN v7.1
1.11	CUDA Toolkit 9.0	cuDNN v7.1
1.12	CUDA Toolkit 9.0	cuDNN v7.3
1.13	CUDA Toolkit 10.0	cuDNN v7.3
1.14	CUDA Toolkit 10.0	cuDNN v7.4
1.15	CUDA Toolkit 10.0	cuDNN v7.5
2.0	CUDA Toolkit 10.0	cuDNN v7.6
2.1.0	CUDA Toolkit 10.1	cuDNN v7.6