yolov配置之：cuda、 cudnn安装

版本参数配置

（说明：本配置基于YOLOv3）

1.介绍

tensorflow安装简单，配置难，难在工具的版本对应性上，一定要严格对应！！！

下图为tf对照表，最新情况见测试代码：

2.tensorflow的版本的选择

tensoflow-gpu
连接地址：http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/

tensorflow-cpu
链接地址：https://pypi.org/project/tensorflow/#files
tensorflow安装什么版本主要看CUDA的版本，首先我们查看电脑独显支持的CUDA最高版本：
（1）控制面板，搜索NVIDIA面板（或者直接桌面右下角开始nvida图标实现实际的版本查看）

（2）选择组件，方框中cuda11.0为本机CUDA的最高版本，意思是可以向下兼容；
所以，我这里使用
CUDA 10.0
Python 3.6.5
使用pip3命令安装tensorflow-gpu：
pip3 install tensorflow-gpu==1.6

3.CUDA的安装，

cuda 版本查看：
下载地址：CUDA下载地址：


下载完之后，解压到文件夹，注意，解压完就是一个安装程序，解压完之后会自动跳出安装。
先安装驱动：cuda toolkit驱动（根据cuda版本选择对应的CUDA toolkit版本否则在cuda 安装时“监测系统兼容性”提示找不到显卡）
解压过程：

安装过程：

选择默认路径：

4.cuDNN安装

我们从上面的表格中看到，CUDA10版本对应的是cuDNN7，
下载地址：
（PS：下载的时候需要登录账号，没账号的注册，然后还要做一个小调查之后就可以下载了）;
可以看到，对于同一个版本的CUDA，有很多cuDNN，随便啦，我这里选的是cuDNN7.5.0


下载完之后，解压即可

5.环境配置

注意：

1. 把cuDNN文件夹下面的bin，include，lib文件夹里面的内容复制到CUDA文件夹下面对应的bin，include，lib文件夹里面文件夹内，一定要注意
2. 然后再把CUDA文件夹下面extras\CUPTI\libx64下的cupti64_100.dll 拷贝到 bin目录。
   

• 配环境
  在path中添加c:\program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin 和c:\program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
  （即cuda的bin目录和lib目录下的x64目录。注意自己的安装路径）
  

6.测试

import tensorflow as tf
hello = tf.constant('hello')
sess = tf.Session()
print(sess.run(hello))
sess.close()

参考链接：https://blog.csdn.net/gdc6916/article/details/105384369

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\visual_studio_integration\MSBuildExtensions
C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\Common7\IDE\VC\VCTargets\BuildCustomizations
https://www.pianshen.com/article/9060380361/

未找到导入的项目“C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V140\BuildCustomizations\CUDA 10.0.targets”。请确认 声明中的路径正确，且磁盘上存在该文件。 darknet E:\darknet-master\build\darknet\darknet.vcxproj 307

常见问题

Could not find

. tensorflow遇到ImportError: Could not find 'cudart64_100.dll’错误解决

在实际的安装目录：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
下将cudart64_101.dll右键属性，把它改成：cudart64_100.dll


2.问题Could not load dynamic library …

修改前

修改后

Non-OK-status:

GpuLaunchKernel(FillPhiloxRandomKernelLaunch, num_blocks, block_size, 0, d.stream(), gen, data, size, dist) status: Internal: invalid device function

解决办法
我在配置环境时，最开始安装的是cuda10.1,卸载cuda10.1之后，安装cuda10.0已经对应的cudnn就解决这个问题了。

cuda 和cudnn 卸载：

https://blog.csdn.net/m0_37605642/article/details/99100924