526互联

Tensorflow2.X+cuda+cudnn配置指南（RTX4060+win11+Anaconda3）

发布时间 2023-11-01 23:29:43作者: MistLuoy

【背景】

前段时间要做一个python语音识别模型，需要tf进行训练，考虑到有GPU就不用限制在CPU上了，所以尝试配置Tensorflow.

  • 系统配置为：
  • RTX4060+win11+Anaconda3，使用python3.10配置完成。
  • 【补充建议：使用虚拟环境进行版本管理，我用anaconda创建了一个名为tf2，python=3.10的虚拟环境】
  • 配置完成后，Tensorflow与cuda版本为：
  • Tensorflow2.10.0+cuda11.8+cudnn8.7

【准备工作】

　　　　1、先去找个人电脑的基础配置，在cmd终端输入“nvidia-smi”查看GPU配置

 　　　　右上角的“ CUDA Version: 12.3”是电脑能兼容的最高的CUDA版本

　　　　2、然后在官网（Build from source on Windows  |  TensorFlow (google.cn)）查看python-CUDA-Tensorflow的版本对应关系

　　　　根据电脑的python版本与CUDA最高兼容版本，来确定一个你能使用的Tensorflow的最高版本

 

　　　　例如我是python3.10，最高兼容CUDA12.3，因此我能够支持最新版的tensorflow_gpu-2.10.0，故选择该版本。该版本对应的CUDA版本是11.2.X

　　　　但是CUDA11.2.X不支持WIN11，经过本人实测，CUDA11.8.X版本也可以兼容。我最终采用了CUDA11.8.X。

　　　　需要注意的是：Tensorflow2.10以后的版本是不支持原生windows的，只能通过WSL方式安装，这不在我们的讨论范围内

　　　　3、选择好tensorflow版本之后，我们去下载对应的CUDA（网址：CUDA Toolkit Archive | NVIDIA Developer）与cuDNN（网址：cuDNN Archive | NVIDIA Developer）

　　　　注意：cuDNN选择与CUDA版本对应的版本即可

 

【安装工作】

　　　　安装顺序为：CUDA>>cuDNN>>tensorflow

　　　　CUDA和cuDNN的安装教程，网络上随处可见并且都很简洁明了，在此不再赘述。

　　　　tensorflow的安装，需要预先在anaconda创建好所需python版本的虚拟环境，然后在环境中用pip安装tensorflow

1 pip install tensorflow==2.10.0#之前确定的版本号

　　　　然后就大功告成了！

【验证】

　　　　安装好之后，需要向Jupyter Notebook添加该环境的内核，操作可以参考如下：

1 conda activate env_name    #激活到虚拟环境
2 pip install ipykernel        #安装ipykernel，不建议使用conda安装
3 python -m ipykernel install --user --name=kernel_name#=虚拟环境名称

　　　　然后使用如下例程验证是否可以用tensorflow识别到GPU：

1 import tensorflow as tf
2 print(tf.__version__)#查看tensorflow版本
3 print(tf.config.list_physical_devices('GPU'))
4 print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

　　　　进一步可以打印GPU信息，代码如下：

1 from tensorflow.python.client import device_lib
2 devices = device_lib.list_local_devices()
3 [print(device) for device in devices if device.device_type == 'GPU']

【结束！感觉有用的朋友们可以点个赞~】