确定自己安装python，tensorflow，kears的版本。（默认读者已安装Anaconda，并熟悉基本操作）
根据tensorflow确定cuda的版本，继而确定cudnn。
一：安装cuda10.0
查看自己显卡版本，我的2060，是11.2。向下兼容，下载10.0.
下载到自己新建文件夹里（C盘除外）。安装：自定义安装，不勾选vs。尽量将组件中的NVDIA GeForce Experience选项勾掉。
在组件CUDA中将Visual Studio Intergration取消掉这个组件是专为VS配置的，但是现在使用的代码编译器基本都是vscode，pycharm等轻量编译器之流，用VS就比较没意义了；我在网上还看见一个说法，这个必须取消掉，不然没法正确安装。反正取消就完事了。我自己安装2次不取消都安装失败。因为我安装了VS2019，有的文说下载了vs可以勾选，结果被坑了。
CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。上图可以看出，该显卡驱动版本是411.31。划重点：“当前版本”这一栏会显示你目前电脑上的显卡驱动型号，如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，驱动版本不够新，CUDA也运行不了。如果巧了当前版本与新版本一模一样，那勾不勾选随意。
选择安装位置：前两个路径一样，第三个单独。自己建2个文件夹。
二：安装cudnn7.6.4
要选择for CUDA 10.0的版本，我选7.6.4
下载解压
将4个文件复制到cuda的安装文件下，含bin的，不用担心覆盖什么，直接粘贴复制。
环境变量添加：已存在2个，再加1个。...CUDACUDA_mangerCUDA10.0CUDA1extrasCUPTIlibx64
按照自己的路径添加。
三：新建python3.7环境
新建环境 conda create -n "你的环境名" python = python版本号；
例如：conda create -n tensorflow_gpu python=3.7.1
此时 conda env list ,可以查看新建的环境。
激活环境：conda activate + 你的环境名
例如：conda activate tensorflow_gpu
此时 conda list ，查看已安装python3.7。
安装1.15版本的TensorFlow-GPU
输入：pip install tensorflow-gpu==1.15 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
安装完以后 coda list 可见 tensorflow_gpu。
验证：然后输入python以进入python环境。（一定记得输入python，不然会报错。好多文没写，直接import不行，一度怀疑人生）
然后输入import tensorflow as tf
此时不出意外还会报错（如果没报不用管），是因为有一个包protobuf版本太高，换成低版本就好。
卸载：pip uninstall protobuf
重新安装：pip install protobuf==3.19.0
conda list 查看版本变化
然后再输入import tensorflow as tf
没有报错。
再输入tf.test.is_gpu_available()，若最后为True表示GPU可用，证明已经成功安装Tensorflow的GPU版本。
安装keras2.3.1
pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
完工。
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
