CUDA10.0、CUDNN（和cuda对应版本），tensorflow2.0在windows下的安装及配置

最新推荐文章于 2021-08-03 09:49:53 发布

一只tobey

最新推荐文章于 2021-08-03 09:49:53 发布

阅读量2.7w

点赞数 14

分类专栏： windows

原文链接：https://blog.csdn.net/m0_37605642/article/details/98854753

版权

windows 专栏收录该内容

16 篇文章 1 订阅

订阅专栏

参考文章

全网最详细 | Windows 安装 TensorFlow2.0 GPU 详细教程

win10+1060显卡安装anaconda+CUDA10.1+pytorch+cuDNN+tensorflow-gpu

win10+GTX1050Ti+anaconda3+tensorflow1.14.0+cuda10.0+cudnn7.6.1.34（带GPU使用检测）

一、安装前的准备

切记tensorflow2.0对应的cuda版本是10.0，绝对不能下载错。
（1）查看自己N卡支持的CUDA版本，打开NVIDIA控制面板在左下角选择系统信息，然后点击组件，可以查看到支持cuda10.2版本了,向下兼容

（2）NVIDIA官网下载对应CUDA版本（没有账号需要注册账号）
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

结合tensorflow2.0（目前最新）只支持到10.0版本，所以下载cuda10.0版本的
（3）CUDNN的下载（没有账号需要注册账号）
官网下载地址：https://developer.nvidia.com/rdp/cudnn-download

找到自己对应的CUDA版本，点击下载

二、安装过程
（1）安装CUDA
一开始的安装路径，选择OK（安装完成后路径会自动变化，所以这里路径选择默认就好）
选择自定义安装

取消勾选GeForce Experience ，如果电脑上本身就有Visual Studio Integration，要将这个取消勾选，避免冲突了

取消勾选Driver comonents，Display Driver这一行，前面显示的是Cuda本身包含的驱动版本是411.31，如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，就不用去取勾了)

CUDA的安装位置可以自定义，系统默认是在系统盘C盘，为了方便日后管理，可以安装到非系统盘的其他盘，我是默认安装路径，注意其中的samples放在了 C:\ProgramData\NVIDIA Corporation文件夹下面

介绍一下：平时在使用电脑过程中，Windows系统会自动创建一个ProgramData文件夹，这里存放了公用软件信息和运行记录，对于统计电脑中的软件运行有很大的作用，但是由于它是隐藏文件，需要显示后才可被看到，下面跟大家介绍一下如何找到它吧。首先打开电脑进入c盘，我们发现找不到ProgramData文件夹。这时候不要着急，点击上方工具栏中的“工具”，在弹出的窗口中点击“文件夹选项”。在文件夹选项中点击“查看”，请查看页面。在查看中下拉找到“隐藏文件和文件夹”，将“显示隐藏的文件，文件夹和驱动器”进行勾选，点击应用即可。这样，回到c盘中即可找到ProgramData文件夹，查看相关的软件信息。
三、验证过程

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin ，查看nvcc.exe

有这个nvcc.exe就说明CUDA安装已成功

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\lib64，查看有没有cuti64_100.dll

有这个cuti64_100.dll就说明CUPT1已成功

（2）配置CUDNN
解压CUDNN后，将对应的bin、lib、include里面的文件与CUDA10.0对应的bin、lib、include进行合并。

下面是放在一起，有的就不表示出来了，相同的迁移做法

（3）配置环境变量
安装完CUDA后，CUDA会自动添加到环境变量中

CUPTA和CUDNN还没有加进来，所以必须将它们添加到路径，这样使用Tensorflow的时候才不会报错

需要手动添加CUPTI和CUDNN的环境变量如下图：

（4）测试版本得到cuda是10.0的

（5）卸载cuda

控制面板中打开【程序】 ——》【程序和功能】

留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience；按照【安装时间】排序，依次卸载即可；控制面板中卸载完毕后，打开任何一个清理软件进行清理，清理卸载之后无用的注册表

三、 TensorFlow 2.0 安装与测试
安装tensorflow-gpu
>> pip install tensorflow-gpu默认会下载最新的稳定版，目前最新的为2.0版本
在Anaconda虚拟环境中测试一下 tensorflow是否安装成功

import tensorflow as tf
import torch
import os

# os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)

print('GPU:', tf.test.is_gpu_available())
print('GPU:',torch.cuda.is_available())

测试成功，说明gpu版本已经安装成功

四、可能出现的问题
（1）显卡驱动、CUDA版本不一致的问题，需要按照前面的步骤查看当前显卡驱动所支持的CUDA版本，去NVIDIA官网下载对应版本的CUDA
（2）ImportError: Could not find 'cudart64_100.dll'错误，在这里一般是tf2.0目前只适配cuda10.0，如果是安装其他版本的cuda，就会出现这个问题。

tensorflow - 仅支持 CPU 的最新稳定版（建议新手使用）
tensorflow-gpu - 支持 GPU 的最新稳定版（适用于 Ubuntu 和 Windows）
tf-nightly - 仅支持 CPU 的预览每夜版（不稳定）
tf-nightly-gpu - 支持 GPU 的预览每夜版（不稳定，适用于 Ubuntu 和 Windows）
tensorflow==2.0.0-beta1 - 仅支持 CPU 的预览 TensorFlow 2.0 测试版（不稳定）
tensorflow-gpu==2.0.0-beta1 - 支持 GPU 的预览 TensorFlow 2.0 测试版（不稳定，适用于 Ubuntu 和 Windows）
-------------------------------------------------------------------------------------------------------------------------------

解决方案：

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

彻底解决tensorflow:ImportError: Could not find 'cudart64_90.dll'

Tensorflow报错“Could not find ‘cudart64_6.dll”

Windows下安装tensorflow GPU版本报错：OSError: [WinError 126] 找不到指定的模块/Could not find 'cudart64_90.dll'

我的解决方案：

tensorflow-gpu==2.0.0-beta1 - 支持 GPU 的预览 TensorFlow 2.0 测试版（不稳定，适用于 Ubuntu 和 Windows），该版本不稳定，卸载重装一个稳定版即可

1. 卸载
>> pip uninstall tensorflow-gpu

2. 重新下载安装稳定版
>> pip install tensorflow-gpu

测试成功，说明gpu版本已经安装成功

（3）tensorflow-gpu ImportError: DLL load failed：找不到指定的模块

错误原因：CUDA版本与Tensorflow版本冲突

解决方案：卸载CUDA10.1，重新装CUDA10.0，同时添加对应的CUDNN，具体操作方法如上