tensorflow-gpu2.4.1安装配置详细步骤

一、机器环境

显卡：RTX3060

系统：windows10

二、tensorflow-gpu配置环境

CUDA：11.1.1

cuDNN：8.1.1

语言：Python3.8.8

深度学习框架：Tensorflow-gpu2.4.1、Keras2.4.3

三、安装流程

1.安装Visual studio 2017。编译依赖。选择工作负载时勾选使用C++的桌面开发。下载地址:https://visualstudio.microsoft.com/zh-hans/thank-you-downloading-visual-studio/?sku=Community&rel=15

2.安装CUDA。这里安装的是CUDA11.1.1版本。文件名：cuda_11.1.1_456.81_win10.exe。大约有3.1G。下载好双击安装即可，默认安装到c盘，占用空间不大。下载地址：https://developer.nvidia.com/cuda-toolkit-archive

3.下载cudnn。需要账号登录，没有就注册一个。这里下载的是cuDNN8.1.1。文件名：cudnn-11.2-windows-x64-v8.1.1.33.zip。大约有661M。解压后有三个文件夹bin、include、lib。把三个文件夹里面的文件复制到CUDA安装目录对应的文件夹里。我的CUDA安装目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1。以bin文件夹为例，把bin里面的所有文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin中。下载地址：https://developer.nvidia.com/zh-cn/cudnn

上面三个安装好重启电脑。

4.安装python。这里安装的是python3.8.8。文件名：python-3.8.8-amd64.exe。大约27M。下载地址：https://www.python.org/getit/

5.安装tensorflow-gpu。使用pip安装。命令行：pip install tensorflow-gpu==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 使用清华镜像安装更快。

6.安装keras。使用pip安装。命令行：pip install keras==2.4.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 使用清华镜像安装更快。

四、测试。

import tensorflow as tf
print(tf.__version__)
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available())
1
2
3
4

一、bug处理。

测试时遇到print(tf.test.is_gpu_available())打印是False，提示：Not creating XLA devices, tf_xla_enable_xla_devices not set

解决方法：在CUDA安装目录的bin文件夹下找到cusolver64_11.dll，将其重命名为cusolver64_10.dll。重命名后再次测试发现print(tf.test.is_gpu_available())打印为True，但还是有Not creating XLA devices, tf_xla_enable_xla_devices not set提示。这个不影响使用。

二、测试打印信息说明：

Created TensorFlow device (/device:GPU:0 with 10491 MB memory) -> physical GPU (device: 0, name: NVIDIA GeForce RTX 3060, pci bus id: 0000:01:00.0, compute capability: 8.6)

True

显卡信息：NVIDIA GeForce RTX 3060，显卡算力：8.6，GPU是否可用：True

tips：

a.在终端输入nvcc -V 查看cuda版本。

b.在终端输入nvidia-smi查看显卡驱动版本、支持的最高cuda版本、显卡使用情况。

c.python IDE工具，个人推荐使用PyCharm。

d.其他显卡安装过程类似，但注意显卡支持的cuda版本及cuda、cudnn、python、tensorflow、keras的版本要对应上。