耗费两天,可以说是遇到了各种各样的问题
先说结论,因为要保证python,cuda,cuDNN,tensorflow四个版本完全匹配,有一个不对,就一定安装不好,千万不要抱有侥幸心理,不要用python3.11下载,目前没有成功案例(至少我没有找到)
我这里安装的版本为python 3.9.20 cuda 11.5 cuDNN8.3.2 tensorflow2.7.0
目录
安装Anaconda
首先安装Anaconda,这个是最简单的,没有任何问题,参考文档
https://blog.youkuaiyun.com/2401_86489187/article/details/141025488?spm=1001.2014.3001.5501
安装Anaconda后我们先来熟悉一下基本指令
创建一个虚拟环境
conda create -n xxxx(创建的名字) python=3.9
-n是name的缩写,python=3.9是该虚拟环境的python版本,不用去官网再下载
查看你所创建的所有库
conda env list
进入虚拟环境
activate xxxx(你所创建的虚拟环境的名字)
查看虚拟环境的库
pip list
退出虚拟环境
conda deactivate
OK,我们继续往下走,接下来我们来安装cuda
安装CUDA
(1)首先我们要查看你电脑的配置
(2)查看你的GPU配置
nvidia-smi
右上角的CUDA Version表示你电脑可以下载的最大版本号,但一定一定要按照匹配的版本下载,不要觉得最新的就是最好的
(3)好的,现在我们开始下载CUDA
cuda下载地址https://developer.nvidia.com/cuda-toolkit-archive
找到CUDA11.5.2版本
按照以下选择下载,一定选11(Win11)和local
下载地址可以不在C盘,但你自己需要记住在哪里配置
之后打开
选择自定义
按照上述自定义,严格遵守,点击下载,同样可以不下载在C盘,大家自行选择,但是要记住下载的地址
之后就跟着下载,下载完成之后就关闭
(4)环境变量的配置
打开设置,搜索系统环境变量,打开PATH环境变量
将上述地址依次新建
(5)查看是否成功
打开cmd
nvcc -V
上述即为成功
到这里来说,只要版本选择正确,没有什么大问题、
安装cuDNN
(1)下载地址
https://developer.nvidia.com/rdp/cudnn-archive
点击下载,这里需要登录账号,不要觉得麻烦,必经之路,下载zip压缩包模式
之后跟着解压
!!!!!!!!十分注意
之后我们要将解压的文件进行添加
- 要将
cudnn
文件中的对应文件夹下的所有文件复制 到对应的安装目录中,一定是要打开对应文件,在里面进行复制,不要只复制文件夹,有重复的直接覆盖
依次类推,因为cuDNN是拓展的内容,他只是在CUDA的基础上加了一些内容,你如果直接整个文件夹替换的话,就把基础的内容都删除了
配置好环境后,我们需要验证环境变量是否配置成功:
打开对应的CUDA文件夹
找到此文件夹
右键,选择在终端中运行
运行以下代码,记得不要在文件夹下直接打开这两个文件,因为你们根本打不开,会闪退,哈哈哈,能试的我都试了
.\bandwidthTest.exe
.\deviceQuery.exe
看到PASS,就代表成功,知道这里,只要一步步跟着做,也不会有大问题,恭喜你,即将迎来最后一步,也是问题最多的一步
安装tensorflow
打开Anaconda,直接在搜索栏搜索就行
创建虚拟环境,一定选择3.9的python环境
conda create -n tensorflow python=3.9
选择y
表示虚拟环境已经创建完成
我们来检查以下版本号
没问题,继续往下走
activate tensorflow
运行虚拟环境
pip install tensorflow-gpu==2.7.0 -i https://pypi.mirrors.ustc.edu.cn/simple
这是正常下载
如果版本号不对应,或者python版本号大于3.9,就会找不到tensorflow,我用python3.11经过多次尝试得出的结论,完全下载不了。
因此一定要保证版本号对应
下载之后我们进行验证
输入python ,使其进入python环境
import tensorflow as tf
大部分情况这一步会报错
如果出现以下错误
这表示我们没有下载一个包
我们先输入exit(),退出python环境
解决方法:输入以下代码
pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
之后我们在进行验证,如果还不行,报以下错误
这表示我们刚才下载的包的版本和Numpy的版本不匹配,我们需要更新
pip install --upgrade protobuf==3.19.6
到这里我们再进行验证
发现没有报错
进行进一步验证
import tensorflow as tf
tf.__version__
print('GPU',tf.test.is_gpu_available())
看到GPU True就代表你成功了
如果出现GPU False,这种情况我也遇到了,就代表你的上述四个软件的版本号不匹配,建议安装我的版本号严格下载,关于卸载,可以私信我,我有专门卸载软件,包括将对应注册表和环境一键卸载
恭喜你,希望这篇博客可以解决你的问题!!!