確定自己安裝python，tensorflow，kears的版本，（默認讀者已安裝Anaconda，并熟悉基本操作）
根據tensorflow確定cuda的版本，繼而確定cudnn，
一：安裝cuda10.0
查看自己顯卡版本，我的2060，是11.2，向下兼容，下載10.0.
- 網址：Archive of Previous CUDA Releases
下載到自己新建檔案夾里（C盤除外），安裝：自定義安裝，不勾選vs，盡量將組件中的NVDIA GeForce Experience選項勾掉，
在組件CUDA中將Visual Studio Intergration取消掉這個組件是專為VS配置的，但是現在使用的代碼編譯器基本都是vscode，pycharm等輕量編譯器之流，用VS就比較沒意義了；我在網上還看見一個說法，這個必須取消掉，不然沒法正確安裝，反正取消就完事了，我自己安裝2次不取消都安裝失敗，因為我安裝了VS2019，有的文說下載了vs可以勾選，結果被坑了，
CUDA在安裝的時候會默認安裝一個NVDIA的顯卡驅動，上圖可以看出，該顯卡驅動版本是411.31，劃重點：“當前版本”這一欄會顯示你目前電腦上的顯卡驅動型號，如果你的當前版本高于CUDA想要安裝的新版本，那么一定要把display driver取消掉！如果你的當前版本低于CUDA想要安裝的新版本，那么一定要把display driver勾選，驅動版本不夠新，CUDA也運行不了，如果巧了當前版本與新版本一模一樣，那勾不勾選隨意，
選擇安裝位置：前兩個路徑一樣，第三個單獨，自己建2個檔案夾，
二：安裝cudnn7.6.4
- 網址：https://developer.nvidia.com/rdp/cudnn-archive
要選擇for CUDA 10.0的版本，我選7.6.4
下載解壓
將4個檔案復制到cuda的安裝檔案下，含bin的，不用擔心覆寫什么，直接粘貼復制，
環境變數添加：已存在2個，再加1個，...CUDA\CUDA_manger\CUDA10.0\CUDA1\extras\CUPTI\libx64
按照自己的路徑添加，
三：新建python3.7環境
新建環境 conda create -n "你的環境名" python = python版本號；
例如：conda create -n tensorflow_gpu python=3.7.1
此時 conda env list ,可以查看新建的環境，
激活環境：conda activate + 你的環境名
例如：conda activate tensorflow_gpu
此時 conda list ，查看已安裝python3.7，
安裝1.15版本的TensorFlow-GPU
輸入：pip install tensorflow-gpu==1.15 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
安裝完以后 coda list 可見 tensorflow_gpu，
驗證：然后輸入python以進入python環境，（一定記得輸入python，不然會報錯，好多文沒寫，直接import不行，一度懷疑人生）
然后輸入import tensorflow as tf
此時不出意外還會報錯（如果沒報不用管），是因為有一個包protobuf版本太高，換成低版本就好，
卸載：pip uninstall protobuf
重新安裝：pip install protobuf==3.19.0
conda list 查看版本變化
然后再輸入import tensorflow as tf
沒有報錯，
再輸入tf.test.is_gpu_available()，若最后為True表示GPU可用，證明已經成功安裝Tensorflow的GPU版本，
安裝keras2.3.1
pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
完工，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/538749.html
標籤：其他