Windows10安装TensorFlow-GPU

过程说难也难，说不难也不难。主要问题还是在安装CUDA上面，说到底还是在下载CUDA时一定要确认好版本。

1.查看显卡版本

在小娜的搜索框或者直接在cmd上运行compmgmt.msc命令，打开【计算机管理】界面，依次点开【设备管理器】，【显示适配器】，查看显卡类型。记住这个型号。

在这里查看显卡是否支持GPU

找到如下界面，可以按照显卡类型查看自己是否支持GPU。

 例如我的电脑显卡是GeForce RTX 2060，可以打开【支持CUDA的GeForce和TITAN产品】，就能找到如下图片中的信息。说明我的显卡是支持GPU的。接下来就进行安装就可以了。

 2.安装TensorFlow

此处省略掉安装Python的过程，没什么难度。

安装TensorFlow

2.1安装依赖

安装TensorFlow前记得安装依赖，官网也是有提示的。

 2.2 依赖安装完成后，先创建虚拟环境。在要创建虚拟环境的目录执行一下命令

python -m venv --system-site-packages .\venv

./venv是要创建的虚拟环境的名字。可以自行更改，我直接设置的tensorflow.

虚拟环境创建完成后，使用cd命令进入到虚拟环境目录下的Scripts目录，使用activate命令激活虚拟环境。或者

activate tensorflow

这两种方式都是可以的。

2.3 安装TensorFlow

执行pip命令之前，确保没有退出虚拟环境。如果想安装别的TensorFlow版本，可以直接修改等号后面的版本号。例如我安装的是2.5版本的。所以tensorflow-gpu==2.5.0

pip install --ignore-installed --upgrade tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

一般运行到这里，都没有什么问题。接下来重点来了。

 3.安装CUDA ToolKit +cuDNN

3.1确定要安装的CUDA和cuDNN版本

进入上面的连接后，在左侧的菜单中点击window项，然后一直向下拉到最后。会看到如下的界面：

cuDNN和CUDA 下面对应的就是需要安装的版本号。

因为我在上面安装的TensorFlow是2.5版本的，所以我要安装的CUDA和cuDNN版本分别是11.2和8.1，这里需要根据自己安装的TensorFlow版本来确定。

 3.2在这里下载CUDAToolkit 

找到相应的版本，然后直接点击下载。

这里需要注意下。可以从图上看出11.2版本的CUDA Toolkit有三个版本，记得要下载最新版本。虽然也能安装成功，但是却会在最后测试是否安装成功的时候报一下错误

Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform. Skipping registering GPU devices...

或者在IPython界面import tensorflow时报一下错误

ImportError: Could not load dynamic library 'cudart64_110.dll' [duplicate]

这是因为CUDA版本和cuDNN版本不匹配导致的。

点击要下载的版本进入到一下界面

按照数字顺序选择要下载的版本，然后下载。 

3.3 在这里下载cuDNN

下载对应的cuDNN Library。

温馨提示：在下载cuDNN时需要账号登录，用邮箱注册一下就好了，反正是免费的。

 3.4 都下载完成后，直接打开CUDA的安装文件，路径默认即可。

安装界面选择自定义

 在自定义界面，如果是出CUDA外的其它程序的当前版本要比新版本(即将安装的版本)高的话，可以不勾选。直接选择CUDA即可。如果是新版本高于当前版本，就勾选上。然后一直点下一步进行安装。

如果最后提示未安装成功，可以重新试一次。这次值勾选CUDA。

CUDA安装完成后，需要复制cuDNN包下的文件到指定的目录。具体的复制内容看下标

目标目录及文件	目标目录
bin\cudnn64_8.dll文件	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin目录
include\cudnn.h文件	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include目录
lib\x64\cudnn.lib文件	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64目录

注意，如果cuDNN下载的版本不同，cudnn64_8.dll文件中数字是不同的。

至此所有的安装过程已经全部完成。接下来就是验证是否安装成功。

在虚拟环境下输入python或者ipython命令进入交互模式

然后导入tensorflow包后进行查看

import tensorflow as tf 

tf.test.gpu_device_name()

如果最后输出"/device:CPU:0"，就说明是安装成功了。 

 

查看使用的GPU

from tensorflow.python.client import device_lib

device_lib.list_local_devices()

 这就是完整的安装过程。

4.如何在Jupyter中虚拟环境中的TensorFlow等第三方库

仍然是在虚拟环境下，输入如下命令

python -m ipykernel install --user --name tfvenv --display-name "tfvenv"

--name后面跟的是虚拟环境名称

--display-name后面是在jupyter中要显示的核名称

 如果得到Installed kernelspec python3 in C:\Users\XXX\Jupyter\kernels\python3

这样的结果说明设置成功，这时候可以再虚拟环境下打开jupyter。

新建文件，新建时选择内核为虚拟环境名称。【new】【虚拟环境内核】

或者选择已经存在的文件，直接更改内核为虚拟环境的内核。【kernel】【change kernel】【虚拟环境内核】

这时候就可以直接import tensorflow了。

 5.从Jupyter中删除不需要的IPython内核

## 检查当前存在的内核
jupyter kernelspec list

 这里可以看到当前的Jupyter环境中存在四个内核，这里以删除myenv内核为例：

## 删除
jupyter kernelspec remove myenv

删除后再使用 jypyter kernelspec list 进行检查即可。