版本号说明:tensorflow 2.0.0 gpu版本,cuda 10.0,对应的cudnn版本
对应版本号可在 相关链接
中查询
零 基本概念
**CUDA:**用于GPU编程的语言,跑TensorFlow的时候用了GPU,TensorFlow里面很多函数(或者依赖库)是CUDA语言编写的。不同TensorFlow版本需要不同的CUDA。
**CUDNN:**NVIDIA为深度学习中矩阵运算写的一个加速库。CUDA版本必须和cuDNN版本匹配。cuDNN和TensorFlow版本匹配与否则无所谓(不过CUDA和TensorFlow版本必须匹配,所以cuDNN版本和TensorFlow版本是间接依赖关系)
**TensorFlow:**不要用最新版本,如果每次都用最新的,进而导致CUDA也要不断更新
**CUDA驱动版本:**保持最新就好了,CUDA驱动版本要求和CUDA版本匹配,而CUDA又要求cuDNN/TensorFlow是匹配的。不过CUDA驱动版本是向下兼容的,所以保持最新就没事。输入nvidia-smi可以查看:
一 安装cuda
选择自定义模式
取消勾选vs integration
取消勾选nvdia GF experience
Display Driver新版本必须大于等于当前版本才可以安装,否则不勾选。新版本向旧版本兼容,反之不兼容
下一步
关闭,cuda安装完成
校验
二 cudnn配置
如果之前安装过cuda,删除cudnn
将下载的对应cuda版本的cudnn复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 目录下
编辑环境变量,确保这四条在最前面
三 安装anaconda
校验
四 安装tensorflow
# gpu版本
pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# cpu版本
pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 卸载
pip uninstall tensorflow==2.0.0
# 查看是否卸载成功
pip list | findstr 包名
校验
出错原因
执行
pip install protobuf~=3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
继续执行校验
输出true,表示已经安装成功
五 安装PyCharm
完成后重启,进入pycharm
新建项目,添加编译器
使用pycharm验证环境
输出结果
环境配置完成!