安装tensorflow使用GPU加速

笔记本安装tensorflow使用GPU加速

引言：tensorflow 一个开源的机器学习库，可以帮助你快速的开发和训练机器学习模型。

安装需要：
anaconda、CUDA、cuDNN。

本次安装在自用的笔记本上面使用conda安装，显卡为NVIDIA的mx150，安装的tensorflow-gpu版本为2.4.0，需要安装支持的CUDA和cuDNN，系统信息如下：

显卡版本	支持的CUDA版本
MX150	11.1

在安装之前首先要确定自己电脑显卡支持的CUDA版本
首先进入电脑自带的NVIDIA控制面板：

点击帮助进入系统信息：

然后点击组件找到CUDA即可看到显卡的驱动版本：

也可以打开anaconda Prompt 管理员身份运行，输入nvidia-smi 检查驱动、CUDA和cuDNN的安装情况及版本。

下一步就是匹配tensorflow与cuda的版本，
在这个网站可以得到tensorflow不同版本对应的驱动信息：
https://tensorflow.google.cn/install/source_windows?hl=cn#gpu 版本匹配

在这里可以得到tensorflow-gpu-2.4.0版本对应的python版本为3.6-3.8，cuDNN版本为8.0，CUDA为11.0。一定要先确定自己电脑能支持什么驱动在去安装对应版本的tensorflow，做到版本一致才能正常工作。
驱动安装：
CUDA官网链接：
https://developer.nvidia.com/cuda-toolkit-archive

选择合适的版本进行安装，这里我选择的是11.0版本。解压后进行安装。
选择自定义安装，可以选择安装驱动，覆盖本机驱动

在安装选项中将Visual Studio Integration去掉
接下来会让你选择安装地址，默认是C盘，可以修改到其他盘，但是要创建一个相同的文件路径来保存，我设置的是D盘如下：
D:\NVIDIA\NVIDIA Corporation\CUDA Samples\V11.0
D:\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\V11.0

cuDNN：进入官网下载对应版本的压缩包并解压。
https://developer.nvidia.com/rdp/cudnn-archive

将解压后的这几个文件复制到CUDA的根目录下面。
D:\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\V11.0

tensorflow安装：
进入命令行 使用conda命令创建一个新的虚拟空间名字叫tensorflow，使用python版本为3.6。

conda create -n tensorflow python=3.6

切换环境：

conda activate tensorflow 

使用pip安装tensorflow-gpu

conda install tensorflow-gpu==2.4.0

进行验证：
在tensorflow环境下进入python，输入以下验证代码：

import tensorflow as tf
tf.config.list_physical_devices('GPU')

结果输出：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

则表示安装成功。