【Win11+RTX3050显卡】cuda+cudnn+tensorflow 环境配置

Xin.643

已于 2023-04-09 18:24:14 修改

阅读量4.2k

点赞数 4

文章标签： tensorflow 深度学习 python

于 2023-04-01 21:57:31 首次发布

本文链接：https://blog.csdn.net/weixin_56761417/article/details/129896685

版权

【Win11+RTX3050显卡】cuda+cudnn+tensorflow 环境配置

CUDA 11.5 cudnn 8.3.3 tensorflow-gpu 2.6

1、名词解释

CUDA：CUDA 即英伟达的显卡并行计算框架
nvidia-smi 可以查看，每个版本的CUDA都是基于一定版本的驱动建立的，所以它对驱动的最低版本是有要求的
cudnn：cudnn 是基于CUDA架构的神经网络库
是专门用于神经网络计算的加速包，可以看作是CUDA的一部分（并行计算框架下的一个包）
tensorflow：tensorflow-gpu的运行需要用到CUDA框架，特别是cudnn库，就像CUDA是基于特定版本驱动构建一样，tensorflow-gpu也是调用特定版本的CUDA，二者存在对应关系

2、安装RTX3050显卡驱动

首先，先卸载电脑自带的所有与显卡有关的部分，如下图：
其次，搜索框输入“nvidia”，进入NVIDIA控制面板，查看显卡型号；
最后，去NVIDIA官网下载对应显卡的驱动驱动下载地址

3、CUDA

3.1 确定合适的CUDA版本

首先， “Win+R”打开后端，输入“nvidia-smi”查看系统支持的CUDA最高版本
此处显示的是该系统可支持的CUDA最高版本
其次，去CUDA官网查看对应的CUDA版本，链接直达查看
根据上面那幅图中的“driver version”选择对应的CUDA版本

3.2 下载CUDA

CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive，我选择下载的是11.5
选择需要的版本
Win11本地下载

3.3 安装CUDA

双击打开下载的文件，选择路径
我放在了D盘

点击“同意并继续”
在这里插入图片描述
选择“自定义安装”

因为，我前面已经安装过VS C++，所以，这里只需要勾选这一个就可以了。

安装结束
测试是否安装成功，“Win+R”打开后端，输入“nvcc -V”，显示版本表示安装成功。

4、安装cudnn

4.1 确定cudnn版本

点击链接选择对应cuda版本的cudnn及逆行下载，https://developer.nvidia.com/rdp/cudnn-archive
在这里插入图片描述

下载前，需要先进行注册登录；

4.2 下载cudnn

将下载的文件解压
在这里插入图片描述
将cudnn中解压的文件，分别复制到cuda中对应的文件夹下【注意是复制过去，不是替换掉】

4.3 验证cudnn是否安装成功

首先，“Win+R”打开后端，cd到CUDA安装目录下的.…\extras\demo_suite【如果前面CUDA安装到了D盘，**“cd/d 路径”**即可切换到D盘路径，同理E盘类似】
其次，分别执行“bandwidthTest.exe”和“deviceQuery.exe”
最后，得到“Result=PASS”，表示安装成功

5、安装tensorflow

根据自己需要选择GPU或CPU版本，官方版本在2.0之后不再区分GPU和CPU，tensorflow官网

5.1 确定tensorflow

根据安装的CUDA和cudnn的版本，选择对应版本的tensorflow-gpu进行安装
官网还没有更新版本信息

5.2 搭建虚拟环境

此处为了防止tensorflow版本不合适，所以先搭建了虚拟环境，在虚拟环境中对tensorflow进行安装，建议大家养成搭建虚拟环境的好习惯。

5.2.1 虚拟环境

-首先，“Win+R”进入终端

conda create -n tf_gpu python=3.8       //创建一个名为“tf_gpu”，且python版本为3.8的一个虚拟环境
conda env list                          //查看系统中存在哪些环境
activate                                //激活基础环境
conda activate tf_gpu                   //激活名为“tf_gpu”的虚拟环境
deactivate tf_gpu                       //退出名为“tf_gpu”的虚拟环境
conda remove -n tf_gpu --all            //删除名为“tf_gpu”的虚拟环境
conda remove --name $tf_gpu  $package_name(包的名字)     //删除虚拟环境“tf_gpu”中的包

5.2.2 虚拟环境中安装路径问题

【在虚拟环境中用conda和pip安装的包的路径问题】

pip install（Anaconda不同环境之间pip install的路径问题）
初始的pip有默认的下载位置，创建好虚拟环境之后，修改该虚拟环境下，pip安装包的位置（防止个环境之间pip安装包的影响），修改pip安装位置的方式如下：

先找到设置pip install的路径的文件的位置

python -m site -help       //查看修改【虚拟环境tf_gpu的pip安装路径】的文件位置

在这里插入图片描述

通过修改文件内容来修改安装路径
修改两个地方即可：
USER_SITE = “”
USER_BASE = “”

修改为：
USER_SITE = "D:\\Anaconda3\\envs\\tf_gpu\\Lib\\site-packages"
USER_BASE = "D:\\Anaconda3\\envs\\tf_gpu\\Scripts"

conda install（conda 和 pip的区别&创建虚拟环境和下载第三方库的方法）
对于我自己的系统来说，我的conda 的安装路径是“D:\Anaconda3\pkgs”

所以，在某个环境中下载了包，再到另一个环境中下载同样的包时，conda会自动在上面的目录里找，如果有，不会重复下载，而是将这个包的site_package下的文件复制到当前环境下。和直接pip install 一样了。
使用conda uninstall时，和pip uninstall 一样，删除了当前环境site_package中的包的内容，但是在上述目录里面还存在这个包。