摘要:本文的所有环境都已经确定好,如果需要安装其他环境,请在作尝试。这里介绍一个完全适配的安装环境。
安装前准备
卸载相关
打开控制面板,搜索NVIDIA ,卸载所有NVIDIA相关。(黑屏别慌,我也黑。因为显卡驱动也卸载没了)
NVIDIA相关卸载
准备相关
NVIDIA驱动安装
主要是更新一下,因为前面将驱动卸载了,这里直接更新到最新版就好。
然后安装更新驱动,这里没有特别的需要注意的,直接安装就好。实在不懂可以根据链接去查看如何安装。链接:https://blog.csdn.net/qq_44703886/article/details/112859392
NVIDIA版本查看
查看自己的显卡版本,win+r 打开终端,输入nvidia-smi查看显卡版本,左边框为显卡版本,右边框为cuda最高适配版本,这里我们只需要知道我们最终安装的比他低就行,即这里的版本最好高于11.3。相关资料:
环境配置
参考资料:https://blog.csdn.net/chen565884393/article/details/127905428
cuda下载
下载链接:https://developer.nvidia.com/cuda-toolkit-archive
选择11.3.0版本下载,然后进行安装。
下载好后进行安装。
等待安装成功。
cudnn下载
这个下载好是一个压缩包
cudnn拷贝
解压后(解压后叫cuda)打开文件夹。
将上述三个文件夹中(cudnn解压后的文件夹)的文件拷贝进CUDA中的对应文件夹中,默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3,bin对应bin,include对应include,拷贝lib中的文件时,将下述拷贝到cube的X64文件夹内
到这里,cuda的配置基本结束。下面进行pycharm的环境配置
anaconda创建虚拟环境
conda create -n tf python=3.7
在命令行输入上述命令,其中 tf 是虚拟环境的名称,后面是python版本。
conda activate tf
激活环境。
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
修改下载源。
tensorflow-gpu安装
添加anaconda环境
上述的路径是anaconda存储虚拟环境的位置,可参考我的路径去找。
添加tensorflow-gpu包
打开刚添加的环境的终端
下载 tensorflow-gpu=2.7.0,终端键入pip install tensorflow-gpu = 2.7.0
其他相关库类似进行安装即可