博主在编写自定义神经网络层时发现在tensorflow1.6f之前是不支持自定义网络模型的,因此需要tensorflow-gpu其他的版本,而要想使用就需要对应的cuda ,CuDNN计算库,而相对应的我们也要升级我们的显卡驱动,我们到英伟达官网查看搜索适合自己的驱动版本,更新完成后可以看到之前博主的cuda只能支持到8,如今可以支持到11.6
然后我们去下载对应的cuda版本,这里可以根据我们所需的tensorflow-gpu版本来确定我们的cuda版本,博主使用的是tensorflow-gpu 1.14.0,对应的cuda为10.0,这里建议安装10.2,因为在pytorch中对cuda10并不友好,当然这是博主后来需要pytorch环境时才意识到的,这里给大家避下坑。
https://tensorflow.google.cn/install/source_windows?hl=en#gpu
找到我们对应的版本cuda10.0
下载完成后开始安装即可:
这里选择自定义安装
博主之前安装过cuda8,所以这次只安装cuda即可
它默认的安装路径是这个,博主之前安装的cuda8是自定义的位置,这里建议也最好选到相同的位置,建立相应的文件夹保存即可。
不用管他,点击我已知道,然后next即可
至此,我们的cuda11安装成功,这里博主用的是CUDA11.6的图,千万不要安装这个版本,他没有对应的tensorflow版本
安装完成后检测一下是否找到cuda,这里就说明切换到了cuda11版本了
下载cuda对应的cudnn网络加速库,下载后解压得到三个文件
https://developer.nvidia.com/rdp/cudnn-archive
将这三个文件复制到cuda里面替换即可
然后我们配置下环境,需要使用哪个cuda环境只需要将我们的环境变量放到前面即可,在运行程序时便会识别到
然后接下来就是创建一个我们的cuda虚拟环境然后安装对应的版本包即可。