526互联

win11+cuda+cudnn+tensorflow-gpu配置

发布时间 2023-09-26 15:28:00作者: 榆钱儿。

本文参考：

https://www.cnblogs.com/LandWind/p/win11-cuda-cudnn-Tensorflow-GPU-env-start.html

https://blog.csdn.net/qq_30277973/article/details/130566321

 

前置说明

首先查看设备硬件是否支持：

电脑右下角，点开NVIDIA控制面板，，点击上方菜单栏“帮助”，选择“系统信息”，再点击“组件”，如下图所示，可查看当前GPU支持的CUDA版本。

或者打开命令行，输入指令：

nvidia-smi

 

同样可以获取到当前GPU所支持的最高CUDA版本。

 Tensorflow-gpu对应版本

 踩坑：本人在使用TensorFlow==2.13时，发现调用 tf.test.is_gpu_available() 时，结果始终为 False ，上网搜索后发现有网友在官网上找到这么一段解释：

　　因为Tensorflow 2.10是最后一个在本地windows上支持GPU的版本。
　　从2.11版本开始，需要在windows WLS2（适用于 Linux 的 Windows 子系统）上安装才能使用GPU。
　　所以要在native-windows上使用GPU，就只能安装2.10.0版本及以下的版本，
　　或者安装老版的tensorflow-gpu。(本文选择使用的解决方案)

所以，感觉anaconda挨个卸载tensorflow相关包太麻烦，直接删除环境重新创建一个新的环境，再按照本文顺序下载安装相应版本的CUDA，cuDNN，tensorflow-gpu，配置环境。

重点：CUDA，cuDNN，tensorflow-gpu 三者一定要版本对应！！！

CUDA安装

查tensorflow-gpu和CUDA、cuDNN版本对应表可知，tensorflow-gpu支持的CUDA版本为11.2，但是本人是win11系统，而CUDA 11.2 只有win10选项。

在参考了博客园成功安装的博客（https://www.cnblogs.com/LandWind/p/win11-cuda-cudnn-Tensorflow-GPU-env-start.html）后，保险起见，同样选择CUDA 11.7 版本安装。

 

官网：https://developer.nvidia.com/cuda-toolkit-archive

选择CUDA Toolkit 11.7.0并点击，如下图所示：

 页面跳转到下载界面，选择Windows，x86_64,11，exe（local），右下角出现Download按钮，点击下载即可。

 下载完毕后安装，一路next，应该没有什么坑。

安装完毕后，可能会涉及环境变量配置，如果遇到问题，建议查看其它博客。

安装好后测试下命令行：  nvcc -V

 

cuDNN

 官网： https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b

同理，根据已成功安装的博客，选择cuDNN 8.5.0 for CUDA 11.x

 下载完毕后，解压该压缩包，并将复制到cuda文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7下面（CUDA 11.7安装时的默认安装路径）。

 其中，LICENSE放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7路径下，bin、include、lib文件夹中的内容放到路径下对应文件夹内。

踩坑：要先点开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7路径下的文件夹，再点开cuDNN对应的文件夹，把其中的内容复制过去！！！

其中，lib文件夹还要点开x64文件夹后，再复制过去。

 

tensorflow-gpu

安装tensorflow-gpu

通过pip指令安装（使用豆瓣源）：

pip install tensorflow-gpu -i http://pypi.douban.com/simple

测试是否安装成功：

import tensorflow as tf

print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())

输出如下，则成功：