Win10安装CUDA、cuDNN，并测试Tensorflow是否开启了GPU加速

CUDA和cuDNN安装

版本选择

首先第一步是确定TensorFlow支持哪个版本的CUDA和cuDNN，通过以下链接查看：
https://tensorflow.google.cn/install/source
第二步确定本机的显卡支持CUDA哪个版本

可以看到显卡支持的是11.2，所以最终确定版本对应如下：
TensorFlow-2.6.0
CUDA-11.2
cuDNN-8.1
注意：tensorflow-2.0.0开始已经默认支持GPU，不需要下载tensorflow-gpu版本，见下图

CUDA 11.2安装

打开链接
https://developer.nvidia.cn/cuda-downloads
选择相应的版本下载安装：

选择“精简”安装即可

设置环境变量
在安装CUDA的时候已经自动生成了两个环境变量

在系统PATH下添加
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

并添加如下新的变量
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

cuDNN8.1安装

访问链接
https://developer.nvidia.cn/rdp/cudnn-archive
直接右键将下载链接复制到迅雷即可下载，不需要注册登录，但是需要开通迅雷会员

下载后解压，直接将解压的所有文件复制到CUDA的安装目录

测试CUDA是否安装成功

进入目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite
打开cmd
（1）执行bandwidthTest.exe，看到Result = PASS说明成功

（2）运行deviceQuery.exe，看到Result = PASS说明成功

测试tensorflow是否开启了GPU加速

理论上只要把显卡驱动、CUDA、cuDNN安装成功并顺利测试通过，程序就会优先使用GPU运行，下面通过一个小程序测试一下是否配置成功。

使用pycharm新建工程，本人使用的是anaconda环境，根据上图，tensorflow2.6.0要求Python环境选择3.6-3.9均可：

进入项目打开terminal，安装tensorflow-2.6.0

pip install tensorflow==2.6.0

编辑测试代码

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
a = tf.constant([1.2, 2.3, 3.6], shape=[3], name='a')
b = tf.constant([1.2, 2.3, 3.6], shape=[3], name='b')

c = a + b
session = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
print(session.run(c))

运行代码，查看控制台输出，可以看到程序默认用了GPU运行

修改代码，将a和b分配给cpu执行

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
with tf.device('/cpu:0'):
    a = tf.constant([1.2, 2.3, 3.6], shape=[3], name='a')
    b = tf.constant([1.2, 2.3, 3.6], shape=[3], name='b')

c = a + b
session = tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(log_device_placement=True))
print(session.run(c))

查看运行结果：