cuda11.2.2+cudnn8.1.1+tensorflow2.10.0小白文

笑哈哈牌动力

已于 2023-07-29 16:27:13 修改

阅读量2.1k

点赞数 2

文章标签： python 深度学习 cnn tensorflow dnn

于 2023-04-01 17:21:29 首次发布

本文链接：https://blog.csdn.net/weixin_48445295/article/details/129886736

版权

前言

本文适合纯小白。

一、总体概述

1.安装anaconda。

本文安装的anaconda版本带有python3.9，可以不用自己再去官网安装python了。并且比官网下的python会多很多库。

2.安装pycharm编辑器。

pycharm（是一种python IDE）：用来写代码、运行代码。

python也可以用来写代码、运行代码，但是个人认为比较适合熟练的大神。pycharm有很多优点：调试、语法高亮、代码跳转、智能提示等感觉对新手很友好。

当然也有其它的可以选择：jupyter notebook等，可以写一步运行一步方便查看，也很适合小白，有兴趣的可以自己试一下其它的，但本文对于jupyter notebook的内容不做介绍。

3.安装cuda与cudnn。

安装cuda与cudnn的原因：

GPU可执行高度线程化的并行处理任务（大规模计算任务，数据量比较多需要大一点儿的显存），很适合深度学习。但是想要使用GPU加速，就需要安装cuda。

cuda是并行计算框架,安装这个框架可以进行复杂的并行计算。

cudnn是针对深度卷积神经网络的加速库。

适合图像处理、科学计算、数值分析、海量数据处理、金融分析等需要大规模并行计算的领域。

此段内容想要了解详细的请看链接1。

本文的GPU是3060的。安装的时候先看这部分，再按顺序安装。

4.安装tensorflow。

这里要注意版本的对应。

二、安装

1.安装cuda、cudnn

本文作者的显卡是3060的。查看驱动版本：

win+R:

输入cmd,点击确定进入命令提示符窗口。输入

nvidia-smi

查看驱动版本。注意这里指的是驱动支持的cuda的最高版本，并不代表已经有cuda了。（已经有的请跳过这部分）

这里可支持的cuda最高版本安装的是11.7 。本文选择安装的是11.2.2版本的。

链接：

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

(如果有需要请下载其它版本的，但是注意版本之间的对应关系，下文会提及）

下载之后安装：

安装选项选择自定义安装。
驱动程序组件看自己电脑是否有，有的话就不用安装了，（没有安装CUDA下的Visual Studio Integration)
安装软件目录选择自己想要的（最好不要安装到C盘）

安装与cuda相对应的cudnn版本。

链接：

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

下载完安装包以后安装，需要注意的是：

解压后的cudnn出现bin、include、lib里面的内容分别复制到cuda对应目录bin、include、lib里。

检查是否安装成功，在命令提示符窗口运行：

nvcc -V

安装成功以后就可以安装anaconda了，本文安装的anaconda带的python版本是3.9 。下文还要安装tensorflow,但是这些有相对应的关系，而cuda的版本又取决于电脑，所以先安装cuda与cudnn。对应关系如下图：

对应关系的链接：https://tensorflow.google.cn/install/source_windows?hl=zh-cn

2.安装anaconda

这里是使用了清华镜像下载的可以使下载速度没那么慢（链接）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

本文下载的版本是2021.11版的（电脑是64位的windows操作系统，根据自己的情况下载，如果和我的一样，最好还是下载和我一样的版本，因为tensorflow、cuda、cudnn和python之间有相对应的版本）

安装选择：

选择All Users
安装路径最好不要选择C盘，包挺大的
到Advanced Options这一步的时候，全部打勾，尤其是添加环境变量的选项。如果不选，那么在安装完之后需要手动添加环境变量，比较麻烦。
最后一直点击next,直到Finish 。

判断anaconda是否安装成功：

进入命令提示符窗口输入：

python

因为anaconda自带python,所以检查python的输出版本在不在即可（本文的是python 3.9.7)。

3.安装pycharm

有了python,安装pycharm编辑器。

进入官网下载社区版pycharm（不收费，这个没有版本限制）：https://www.jetbrains.com/pycharm/download/#section=windows

或者直接在网上搜pycharm找安装包也是可以的。

安装：

点击next,
选择软件要安装的位置（最好也不要装C盘）
创建桌面快捷方式、添加环境变量等四个都勾选上
下一步
立即重启
结束

这两部分内容是看的哔哩哔哩上的一个up的：https://www.bilibili.com/video/BV1Fy4y1878z/?spm_id_from=333.880.my_history.page.click

4.安装tensorflow

本文安装的tensorflow-gpu 是2.10.0版本的，并且是自建环境（防止冲突），在使用时需要注意（下文会介绍）。

在搜索栏输入anaconda prompt并打开。

安装：

创建tensorflow虚拟环境输入：

conda create -n tensorflow python=3.9

创建一个名字为tensorflow的虚拟环境，里面带的python版本是3.9的。注意这里是在anaconda 的base环境里创建的，所以在找虚拟环境的时候在anaconda 的环境env里找就可以了。

激活环境：

conda activate tensorflow

安装tensorflow:

pip install tensorflow-gpu==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：

这里用的是清华镜像安装的tensorflow gpu ，版本是2.10.0 。这个版本配上面的cuda等也是可以的。过程问y/n ，就敲y然后点击回车就可以。
如果想要安装其它版本的话，只要相对应也是可以的。
如果将==2.10.0去掉，默认安装的是符合你需求的最新版本，不过这一条没有试过，不确定能不能成功。
不用清华镜像安装的话，速度会比较慢，并且还有因为网的问题会导致安装失败。
还有本文安装的是gpu版本的。如果想安装cpu版本的，可以将代码换成：

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

这里也可以参考gpu版本的添加指定版本。

检查tensorflow是否安装成功：

最好找一个要用到tensorflow 的代码直接在pycharm上直接运行一下。

注意：

这里在pycharm上运行的解释器要用自建环境下的，不要用anaconda的base环境下的。这两个环境是独立的。如果遇到自建环境下的包没有base环境下的包多，并且运行的时候出现缺包的形况的话(no module named 'numpy',这里是缺numpy)，最好是选一个环境，缺什么就安装什么。

总结

文章的最后一个注意比较重要，因为找了很多文章基本都是独立的，一篇安装anaconda，一篇安装pycharm，一篇安装tensorflow，结果在各自的文章很可能就不会聊到这个问题，最后要去重新找解决这个问题的办法。问题：安装了tensorflow，最后也显示安装成功，但是在pycharm上运行代码代码的时候依然会提示no module named 'tensorflow'，这就需要看最后一个注意了。

如果是其它情况，各位再去看看其它的文章。

另外在本文完结之后，如果还想要给自己创建的环境添加其它包，要注意路径问题。续文链接也放下面了。