杭州优化外包公司排名seo优化信

0. 前置说明

本机（Windows 11）已安装CUDA 11.7
使用命令查看显卡驱动：

nvidia-smi

这里显示的CUDA Version: 11.7说明支持安装11.7版本及以下的CUDA，如果需要安装高版本的需要先更新显卡驱动
本文介绍安装tensorflow-gpu 1.14.0的环境配置，需要先安装CUDA 10.0版本以及cuDNN 7.4版本

1. 查看版本对应关系

tensorflow 版本对应关系可以查看 https://tensorflow.google.cn/install/source_windows?hl=zh-cn

本文下载tensorflow-gpu 1.14.0版本，需要安装cuda 10.0版本以及cudnn 7.4版本

2. 安装 cuda

cuda下载地址: https://developer.nvidia.com/cuda-toolkit-archive
第一步有精简安装和自定义安装两个选项，记得选自定义安装
接下来在选项中仅勾选CUDA，并去掉CUDA选项下Visual Studio Integration的勾选
（这一步的选项非常重要，如果勾选了其他的可能导致高版本已安装的CUDA被覆盖）

这里使用默认的安装位置就可以，可以记一下安装位置，后面需要用到

3. 安装 cudnn

cudnn下载地址: https://developer.nvidia.com/rdp/cudnn-archive
发现对于Windows系统并没有直接显示cudnn的版本，可以把鼠标放在上面，在左下角会显示版本号，这里选择安装适用于cuda 10.0的7.4.2.24版本，应该只要是7.4版本都可以的

下载之后解压，将文件夹下的桑文件夹复制到cuda10.0安装的根目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

4. 添加环境变量

可以看到系统环境变量已经自动添加了cuda 10.0：

将以下四个路径添加到Path环境变量中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp

其中默认已经添加了bin和lib的路径，我猜测这一步不是必须要做的hhh
打开终端，验证是否安装成功，输入命令：

nvcc -V

可以看到已经成功切换到10.0版本的CUDA了
（注意如果原本已经打开了终端，需要关闭重新打开）

5. 安装 tensorflow

创建新的虚拟环境，指定python安装版本：

conda create -n tf python==3.7

tensorflow-gpu 1.14.0版本可以支持3.5-3.7版本的python，这里安装3.7版本

安装tensorflow-gpu：

pip install tensorflow-gpu==1.14.0

经过漫长的等待，终于安装成功：

验证是否正确安装并可以使用GPU：

python
import tensorflow as tf
print(tf.test.is_gpu_available())

对于第一个import语句，会输出很多行warning，第二个语句我第一次运行一直没有输出最后的True还是False，还以为安装出错了，结果第二次运行成功输出True：

如果在Pycharm终端显示的cuda版本还是原来的，需要重启Pycharm

配环境实在不易，给自己鼓个掌，加油~
（接下来还有更难的在等你😔）