Windows10+RTX显卡:TensorFlow-GPU安装与使用完整指南(踩坑无数血泪教训)

本文详细介绍了在不同环境下配置TensorFlow GPU版本的过程,包括Anaconda安装、CUDA和cuDNN版本选择,以及解决常见问题的策略。适用于从入门到进阶的深度学习开发者。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

(update 2021.7.1)
几次重装之后遇到新问题,因为要升级到2.3版本了,所以在环境配置上又走了不少坑,这里分享一下:
1、anaconda装在C盘,path选项勾选
2、在prompt中使用conda install来安装tensorflow-gpu而不要用pip
3、2.3版本对应cuda其实也不需要很新,我这里用的是cuda_10.1.105_418.96
5.安装完后大概率出现找不到cudnnx.x等dll找不到的问题,解决方案:安装cudnn7.6.5,我的情况是不记得什么时候安装包目录下就有一个cudnn-10.0-windows10-x64-v7.6.5.32的压缩包,直接解压,对应文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1下面就可以成功启用GPU了

(update 2021.12.31)
对面计院新到了一台电脑10900K+3090,我同学讲不会配置tf-gpu环境,于是新一轮的折腾又开始了
1.对于这种新机器 完全可以安装最新的anaconda,还是要装在C盘,path选项勾选
2.可以使用pip来安装tf-gpu
3.装好上面两个之后安装最新版NV驱动,再安装最新版CUDA,然后需要在系统环境变量中加入下面几条(好像安装cuda之后就自己添加了第一条了)。
在这里插入图片描述

重启 此时jupyter应该可以正常的调用GPU了,但如果出现没调用成功,jpt的控制台显示Could not load library cudnn_cnn_infer64_8.dll. Error code 126。那么需要去官网下载上一个版本的cuDNN 并替换C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5对应文件,至于为啥我也不懂 这里是引自另一位博主的方法
https://blog.youkuaiyun.com/qq_41112170/article/details/121878288
https://blog.youkuaiyun.com/qq_41112170/article/details/121878288
然后就可以正常的调用并训练模型了


配置环境
根据需要在https://repo.ana

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值