anaconda虚拟环境安装tensorflow GPU 2.9.0 cuda11.6 cuDNN 8.5

背景：我的是台式机，显卡3070，准备安装tf - gpu ，且准备在pycharm和jupyter上工作

1. 新建虚拟环境
   conda create -n tf python=3.8
2. 激活虚拟环境

conda activate tf 
1

安装cuda11.6和cudnn8.5

下载地址：https://developer.nvidia.com/cuda-toolkit-archive


正常安装就好，地址可以改，

看清楚必须要求当前版本>=新版本，如大于，则取消勾选，如等于也可以随便选择，如果小于，则必须勾选，也就是说，我们要安装最新的版本，切记！！！！

上面地址 不要变！！！ 不要变 然后此处记得截图，后面配置环境变量可能会用到
然后剩下的一路保持默认安装就好。

可以看到这里系统已经自动帮我们配置好了，如果这里没有，则按照上面的截图的地址来配置

然后打开cmd 输入nvcc -V 看是否安装成功

cuDNN神经网络加速库安装

顾名思义：这是针对的是神经网络进行加速的，https://developer.nvidia.com/rdp/cudnn-archive，进入官网，cudnn官网，


此处，需要登录NVIDIA的账户。登录完成后才能下载，大家可以注册一下，只要邮箱，很快，预计1分钟

然后解压

然后打开下图的路径，里面是cuda的源文件，然后无脑吧上图的4个文件全部复制到下图的路径中，可以看到，下图后面四个箭头就是我复制好的，如果重名，直接替换，cuDNN其实就是CUDA的一个补丁而已

配置环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include

1
2
3
4
5

看清楚哈，是Path里面，新建，把这四个加进去，保存

配置好环境后，我们需要验证环境变量是否配置成功，打开cmd，输入下面指令

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite
1

然后分别输入下面两个命令

.\bandwidthTest.exe
1

.\deviceQuery.exe
1

两个都是PASS，则说明成功！
cmd 输入 nvidia-smi

TensorFlow的gpu版本安装

我试了很多博主的，我用这个命令 pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple 发现安装的是tf2.10的版本，我想要2.9 的，（“-U”参数指定如果已安装此包，则进行升级命令。）
最后一种方法成功，

pip install  tensorflow-gpu==2.9.0  
1

我是在cmd窗口，进入虚拟环境，然后输入上面命令的
(打开cmd 输入conda activate tf 即可进入虚拟环境 )

然后 进入python环境，若无错误信息，输入tf.test.is_gpu_available()

或者输入 tf.config.list_physical_devices(‘GPU’)

查看可用的gpu数量：print(‘Num GPUs Available:’,len(tf.config.list_physical_devices(‘GPU’)))

查看TensorFlow的版本信息 tf.version

记录一下，这是总图 2022-11-7 16:38写的

安装jupyter内核

然后，还有个问题，在虚拟环境里，进入jupyter，无内核

直接打开命令窗，进入虚拟环境，直接键入：

conda install nb_conda
1

关闭命令窗，再次打开，键入jupyter notebook，进入后，发现有了！！
大功告成！！！记录一次安装ttensorflow的经历，花费了我半天时间！！喜欢的话点个赞！未经允许，禁止转载！！！

本文写于2022-11-7 16:38