tensorfow2.0以上版本，ipynb文件一键安装！安装不成功我倒立洗头~ [gpu+cpu版本]

准备说明

1版本对应关系

必须严格安装tensorflow要求对应的python 、cuda、cuDnn版本
否则安装不成功，或者安装成功也可能无法检测到gpu
本教程演示安装的是tensorflow-2.2.0，使用的是python3.7
参照表选择安装cuda10.1 和 cuDnn 7.6.5 和 vs2019

注意：

1. 最好准备空余磁盘空间5gb以上
2. 目前amd的显卡还不支持安装

2.我的系统环境

操作系统：win10
显卡：GTX1050ti 对应驱动版本：442.50
cuda（按步骤安装完后）10.1 安装在F盘

其他显卡换汤不换药~~

python环境准备

• 1.安装anaconda3 知乎教程，包括下载链接 + 教程 +避坑
  -2.打开anconda Navigator，安装
  我使用anaconda 自带的python3.7jupyter notebook 安装完后按钮变为Launch，如下图 。

更新显卡驱动

1.驱动版本要求对照表

根据上表，安装cuda10.1之前显卡驱动版本应该 >= 418.96 (window系统)

2.查看自己的显卡驱动版本

• 方式1 打开控制面板–硬件与声音–NVIDIA控制面板–左下角系统信息 打开如下图
• 方式2 新版本的NVIDIA的控制面板可能不放在系统的控制面板中，而是开始菜单中，直接找就好

如图，我的驱动程序版本为442.50

• 方式3.下载驱动精灵等软件，可以查看版本，下载切换版本更快，选择版本更方便

3.下载更新

• 方式1.到NVIDIA官网手动下载安装
• 方式2.下载驱动精灵等软件，更快，选择版本更方便

安装过程的一开始有个选择路径的地方，默认即可，因为安装完成后该路径会被自动删除。其他都是直接过过过。

安装cuda

1. 官方网站下载cuda10.1 并打开。
   文件比较大 2.0gb，下载比较慢可以将下载按钮复制它的链接到迅雷打开，速度会提升哦！

2. extraction path默认就可以，因为安装完后该路径会自动删除。
   

3. 自定义安装

   
   

5. 安装位置 --保持默认，若珍惜c盘的空间可以选择别的盘新建文件夹，但是一定要记住自己安装在哪！！我的安装在了F盘，记住它，后面设置环境变量很重要。
6. 设置环境变量
   这步也是非常重要！
   右键我的电脑–属性–高级系统属性设置
   
   点击环境变量–双击path–新建以下路径（到你安装cuda的地方copy对应的路径粘贴即可）
   
   若你是默认安装路径，则复制粘贴

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib;

tips：cuda可以多版本共存，若之前安装过其他版本cuda且本人有洁癖，在控制面板的应用卸载界面把所有带有cuda命名的程序卸载，再安装新版本cuda即可！

安装cudnn

1. 下载链接 ——下载时需要注册，注册了就好！免费！
2. 是一个压缩包，把压缩包解压后将cuda文件夹中所有文件、文件夹复制粘贴到刚刚你安装cuda文件夹中。若果你是默认路径则为

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

tips：直接全选复制就可，因为没有没有文件覆盖 。
解压，全选，右键，复制

来到cuda安装路径，右键，粘贴

3. 重启！完成！

环境检查+tensorflow安装

1. 这部分可以直接交给jupyter notebook
   下载我的notebook 链接：https://pan.baidu.com/s/1CxH6FfV1_FxG2brJkDTOAQ
   提取码：1234
   此步骤可选，包括环境检查、tensorflow安装、gpu检测、使用gpu跑模型训练等内容
   选择这步，后续的步骤就是重复的啦，可以直接跳过，若不选择此步骤，则需要完成以下步骤
   部分内容截图：
   1

cuda安装检查

2. 打开cmd，输入

nvcc --version

正确输出：

安装tensorflow

安装tensorflow2.2.0，直接pip，tensorflow2.0以上版本已经包括cpu，gpu版本,但是两条指令一起运行也不影响，他会提示你包已经存在。
tips：一定要使用镜像-i https://pypi.tuna.tsinghua.edu.cn/simple ，如果你是性子很好、网速好到爆炸，当我没说

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.2.0
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.2.0

gpu是否被检测

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))  #有的电脑不只一个，安装错误为空
print(tf.test.gpu_device_name())  #表示正在使用的gpu
print(tf.test.is_gpu_available())+

gpu使用情况

cmd输入: -----查看gpu占用情况等等

nvidia-smi

其他问题

Q1.官网下载cudnn、cuda过慢

A1:
链接：https://pan.baidu.com/s/1HqTg-ks1XkUCrmlvcEnh1A 提取码：1234

Q2.cuda，cudnn是什么？

A2:
cuda是Compute Unified Device Architecture的缩写，为了让GPU可以不仅仅工作与自己的一幕三分地，而是利用自身的优势，完成通用计算的任务。
NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。

借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。

Q3.我的电脑之前已经安装过了tensorflow2.0+,我在安装完cuda，cudnn后tensorflow仍然检测不gpu？

A3:
保证cuda、cudnn的版本要跟你的python版本、tensorflow版本、gpu驱动版本匹配（参考教程两张关系对应图）
若你是安装cudnn、cuda之后不重启就运行tensorflow代码会检测不到gpu，应重启！

欢迎提问！继续补充完善！