NVIDIA显卡 CUDA CUDNN AnaConda Tensorflow-GPU pycharm安装及设置教程

安装配置过程介绍

本文主要对自己的安装设置过程进行记录，最终实现tensorflow-gpu深度学习框架的安装。以下系统软件下载地址均为原始地址，在安装过程中本人将已经下载的安装包进行上传，下载地址后续更新，包括：

一、软件下载：

整个环境配置需求的软件包含以下内容：
1、基于gpu的深度学习框架，首先保证计算机拥有至少一张NVIDIA显卡，本次安装使用的显卡为GTS1080,在设备管理器里面查看显卡信息，如下图所示：

2、显卡驱动版本型号查询，打开NIVIDA显卡控制面板，点击系统信息。

查看显卡驱动版本号，点击组件选项卡，查看当前显卡驱动支持的CUDA版本
查看当前驱动支持的CUDA版本，本计算机支持的版本为11.2

2、CUDA 下载，下载地址为：https://developer.nvidia.com/cuda-toolkit-archive，本机安装为CUDA11.2

3、CUDNN下载，CUDNN下载时需注意下载与CUDA相对应的版本，下载地址：https://developer.nvidia.com/rdp/cudnn-download本机安装为

4、AnaConda 下载，下载地址：https://www.anaconda.com/products/individual

5、Pycharm软件，该软件安装使用方法请参考其他博客（后续更新）。

二、CUDA安装

CUDA安装软件如下图所示：

选择对应的版本进行双击安装，安装过程如下图所示：

三、CUDNN配置

解压下载好的CUDNN, 如下图所示，
在CUDA安装目录中新建cudnn文件夹，将解压的内容拷贝至新建的文件夹内，如下图：

四、CUDA CUDNN环境配置

在我的电脑右击->属性->高级系统设置->环境变量->系统变量->PATH,打开path路径，如下图所示：

打开path设置cuda cudnn环境路径，由于本机安装软件较多，path路径存储超限，因此采用将cuda路径单独存储的方法进行存储，如下图所示。


注意若电脑安装软件不多，path空间足够，可以直接将红框中的全路径拷贝至path内。
cuda测试，在cmd窗口输入 nvcc -V 查看cuda信息，显示如下，表明安装成功。

五、Anoconda安装

Anoconda安装为基本软件安装，无特殊要求，需注意将path环境打勾，如下图所示


安装完成后，在开始菜单输入Anaconda Prompt命令，打开命令窗口，输入python 查看python版本，显示如下，表明安装成功。

六、tensorflow-gpu安装

在Anaconda Prompt命令窗口，输入 pip install tensorflow-gpu --upgrade 或者 pip install tensorflow-gpu --upgrade --user，此方式为从外网下载原始安装包，由于网速限制，可以采用国内镜像进行安装下载，安装命令如下：
pip install tensorflow-gpu --upgrade -i +国内镜像地址，例如pip install tensorflow-gpu --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple/。
国内镜像地址如下所示：
（1）阿里云 http://mirrors.aliyun.com/pypi/simple/
（2）豆瓣http://pypi.douban.com/simple/
（3）清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
（4）中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
（5）华中科技大学http://pypi.hustunique.com/
安装完成后，多tensorflow-gpu进行测试，代码如下，随后返回True说明安装完成。

import tensorflow as tf
tf.test.is_gpu_available()

七、pycharm安装设置

后续更新………………