win10 | tensorflow-gpu 2.6.0环境搭建 | 显卡 RTX 3070 | 踩坑

原创已于 2023-01-05 10:50:27 修改 · 3.6k 阅读

31 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow #cuda

于 2021-08-17 22:15:49 首次发布

深度学习专栏收录该内容

14 篇文章

订阅专栏

本文详细指导了如何在Windows环境下安装TensorFlow-GPU 2.6.0，包括CUDA 11.1的配置、cuDNN的下载与整合，以及环境变量设置。通过代码测试验证GPU可用性，适合初学者和开发者快速上手。

部署运行你感兴趣的模型镜像

1. 环境准备：

cudnn和CUDA的对应
https://developer.nvidia.com/rdp/cudnn-archive
在这里插入图片描述

需要下载两个文件
在这里插入图片描述

cuda v11.1
链接：
https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_456.43_win10.exe
cudnn v8.0.4.30
链接：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.1.1.33/11.2_20210301/cudnn-11.2-windows-x64-v8.1.1.33.zip

2. 安装tensorflow-gpu 2.6.0

pycharm中或者cmd中执行 pip install tensorflow-gpu == 2.6.0
安装结果如下：
在这里插入图片描述

3. 安装cuda

路径什么的都不要动，选择默认就好
安装过程中选择精简模式，其他自行下一步即可。

4. 解压cudnn

cuDNN文件解压后有bin、include、lib三个文件夹
在CUDA的安装目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 里面也有这些文件夹

所以将这cuDNN解压后的文件分别复制到CUDA对应的文件夹里即可！！

5.配置环境变量

在这里插入图片描述

6.代码测试

import tensorflow as tf
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))
print(tf.config.list_physical_devices('CPU'))

在这里插入图片描述
请忽视警告（WARNING），这里只是提示不要使用老版本的验证方式
显示True即可。