GeForce RTX 3060 + CUDA Toolkit + cuDNN + TensorFlow + PyTorch + Keras

GeForce RTX 3060——TensorFlow 2.4.1——Python 3.8——CDUA Toolkit 11.1.1——cuDNN 8.0.5——PyTorch 1.8.0——Keras 2.4.3

NVIDIA驱动程序

https://www.nvidia.cn/geforce/drivers/ —— GeForce、GeForce RTX 30 series (Notebooks)、GeForce RTX 3060 Laptop GPU、Windows 10 64-bit、Chinese、全部 —— 开始搜索 —— GEFORCE GAME READY 驱动程序 - WHQL 驱动程序版本: 472.12 - 发行日期: 2021-9-20 —— 获取下载 —— 立即下载 —— 472.12-notebook-win10-win11-64bit-international-dch-whql —— 下载

双击 —— OK —— NVIDIA显卡驱动和GeForce Experience —— 同意并继续 —— 自定义 —— 下一步 —— 全选、执行清洁安装 —— 下一步 —— 创建桌面快捷方式 —— 关闭

cuDNN

https://www.sogou.com/link?url=WaeIF24cBDuGh4PusSHzeN65o-QcydM2USCnfvUIF2B59e2FjSm6hHFLed2GAXkp —— Download cuDNN
v8.0.5 (November 9th, 2020) for CUDA 11.1 —— cuDNN Library for Windows (x86) —— 登录后下载

解压 —— 复制bin、includ、lib —— 粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

cmd —— cd… —— cd… —— cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite —— bandwidthTest.exe —— Result = PASS —— deviceQuery.exe —— Result = PASS

CUDA Toolkit

https://developer.nvidia.com/zh-cn —— 下载 —— CUDA Toolkit
—— LEARN MORE —— 立即下载 —— Archive of Previous CUDA
Releases —— CUDA Toolkit 11.1.1 (Oct 2020) Versioned Online
Documentation —— Windows x86_64 10 exe(local) —— Download

双击 —— C:\Users\Lenovo\AppData\Local\Temp\CUDA —— OK —— 同意并继续 —— 自定义 —— 下一步 —— Runtime、Samples、Development、Documentation —— 下一步 —— C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1、C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1 —— 下一步 —— 全不选 —— 关闭

右击此电脑 —— 属性 —— 高级系统设置 —— 环境变量 —— CUDA_PATH、CUDA_PATH_v11_1

cmd —— nvcc -V —— Cuda driver release 11.1 V11.1.105

CPU-Pytorch

Anaconda Prompt —— conda create -n Pytorch python=3.6 —— y —— conda activate Pytorch —— conda install pytorch torchvision torchaudio cpuonly -c pytorch —— y —— pip list —— torch —— python —— import torch — torch.cuda.is_available —— False

CPU-TensorFlow

复制.condarc文件 —— 粘贴到C:\User\Lenovo文件夹中
Anaconda Prompt —— conda config --show查看下载源是否更换
—— conda create --name TensorFlow python=3.6 —— y —— conda activate TensorFlow —— pip install tensorflow==1.13.1 —— y
—— import tensorflow as tf —— print(tf.version) —— 1.13.1

conda search --full --name tensorflow 查看可以安装的tensorflow版本
conda search --full --name keras 查看可以安装的keras版本

GPU-Pytorch

Anaconda Prompt —— conda create -n PytorchGpu python=3.8 —— y —— conda activate PytorchGpu —— conda install pytorch1.8.0 torchvision0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge —— y —— python —— import torch —— print(torch.version) —— 1.8.0 —— print(torch.cuda.is_available()) —— True

GPU-TensorFlow-Keras

http://pypi.doubanio.com/simple/tensorflow —— tensorflow-2.4.1-cp38-cp38-win_amd64.whl —— 下载 —— 复制 —— 粘贴到E:\Anaconda3\envs\TensorFlowGpu文件夹里面

Anaconda Prompt —— conda create -n TensorFlowGpu python=3.8 —— y —— conda activate TensorFlowGpu —— pip install tensorflow-gpu2.4.1 —— python —— import tensorflow as tf —— print(tf.version) —— 2.4.1 —— print(tf.test.is_available()) —— True —— 若显示False —— 复制dll文件夹中的.dll文件 —— 粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin文件
夹 —— 再次运行python输入print(tf.test.is_available()) —— True —— pip install keras2.4.3 —— python —— import keras