win10+Anaconda+tensorflow-gpu-2.1.0+cuda10.1+cudnn7.6.5+卸载cuda10.2

背景

我的显卡是 NVIDIA GeForce GTX 1650，之前折腾了好久已经装好了cuda10.2和对应版本的cudnn，如下图：

然后用Anaconda创建了新的环境并安装了Pytorch，在Pytorch环境下使用GPU也没问题。如下图：

现在想装tensorflow，用Anaconda创建了新的环境并安装了tensorflow-gpu-2.0版本，安装完成之后却发现在导包 import tensorflow as tf 的时候出现警告，提示cudart64_100.dll文件找不到，如下图：

我找到cuda所在目录，确实没有找到cudart64_100.dll文件，但却有cudart64_102.dll，如下图：

原来是cuda版本问题，我安装的tensorflow是2.0版本的，支持cuda10.0，所以找的文件是cudart64_100.dll，而我安装的是cuda10.2，对应的文件是cudart64_102.dll，猜测文件名字后缀即为对应的版本号。

目前还没找到cuda10.2对应支持的tensorflow版本，所以只能降级，卸载cuda10.2，重新装cuda10.1，如果有大佬知道其他好的方法望告知。

卸载cuda10.2

卸载前如下图：

卸载后如下图，只保留这些：

下载cuda10.1

https://developer.nvidia.com/cuda-toolkit-archive

下载cudnn7.6.5

https://developer.nvidia.com/rdp/cudnn-archive

安装cuda10.1

安装cudnn7.6.5

把下载的cudnn解压，会得到下面的文件：

找到刚才cuda10.1的安装路径：

把cudnn压缩包内对应的文件复制到bin、include、lib目录。

将路径添加到环境变量：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp

检查安装结果：
主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe，进入到目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite，在此路径下打开powershell，然后分别执行bandwidthTest.exe和deviceQuery.exe，应该得到下图：


Result=PASS 表示安装成功

Anaconda安装tensorflow-gpu-2.1

conda创建一个新的环境，取名为tensorflow-gpu-2.1：

• conda create -n tensorflow-gpu-2.1 python=3.7
• conda activate tensorflow-gpu-2.1

查看可供选择的tensorflow版本：

• conda search tensorflow-gpu
  

安装对应版本，等号后面为版本：

• conda install tensorflow-gpu=2.1.0

开始安装。

检查是否安装成功

import tensorflow as tf
tf.version

• 方法1：
  import tensorflow as tf
  if tf.test.gpu_device_name():
     print(‘Default GPU Device:{}’.format(tf.test.gpu_device_name()))
  else:
     print(“Please install GPU version of TF”)

• 方法2：
  import tensorflow as tf
  tf = tf.Session(config=tf.ConfigProto(log_device_placement=True))
  tf.list_devices()

• 方法3：
  import tensorflow as tf
  tf.test.gpu_device_name()

• 方法4：
  from tensorflow.python.client import device_lib
  device_lib.list_local_devices()

说明安装成功，出现警告是说：你的机器是支持使用SSE指令的，使用SSE可以加速你的CPU计算。但是，你的Tensorflow库没有编译，所以用不了。这个警告没有关系，只是影响cpu计算速度而已。使用或者不使用SSE你的程序都是可以运行的。此外，如果你是使用的gpu版本，在gpu上的运行是不受SSE影响的。