WIN10+Tensorflow-GPU+CUDA+cuDNN+Pycharm环境搭建教程（附报错指南）

最新推荐文章于 2025-01-14 09:40:50 发布

别怕，我是光！

最新推荐文章于 2025-01-14 09:40:50 发布

阅读量494

点赞数

CC 4.0 BY-SA版权

文章标签： python cuda tensorflow gpu 深度学习

本文链接：https://blog.youkuaiyun.com/qq_43765237/article/details/111150603

本文详细介绍如何在配备NVIDIA GeForce MX130独显的电脑上安装CUDA9.2，包括配置环境、安装步骤及常见问题解决办法，并提供安装过程中需要注意的细节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

配置环境：

CPU：Intel i5-8250U

显卡：NVIDIA GeForce MX130 2G独显

内存：128G固态硬盘，荣耀majicbook、

系统：win10家庭中文版

一、安装CUDA
首先查看自己GPU适合的CUDA版本
进入NVIDA控制面板
在这里插入图片描述
选择帮助—>系统信息—>组件

可以看到我的GPU支持的是CUDA9.2
需要下载CUDA9.2，再此之前需要安装Visual Studio Community 2015，然后下载CUDA9.2
下载地址CUDA9.2下载地址

第一步

尽量将组件中的NVDIA GeForce Experience选项勾掉。有的人可能认识这个，这不调游戏画面参数的那个嘛。咳咳，这个是NVDIA提供给用户的一个类似于控制面板的东西，但是目前电脑装机一般都给安装了；而且就算是没有，这个东西对我们显卡加速程序是没有帮助的。

第二步
在这里插入图片描述
组件CUDA中将Visual Studio Intergration取消掉。这个还是蛮有意思的，因为这个组件是专为VS配置的，但是现在使用的代码编译器基本都是vscode，pycharm等轻量编译器之流，用VS就比较没意义了；我在网上还看见一个说法，这个必须取消掉，不然没法正确安装。

在这里插入图片描述
CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。上图可以看出，该显卡驱动版本是411.31。划重点：“当前版本”这一栏会显示你目前电脑上的显卡驱动型号，比如上图所示，我的电脑目前驱动是430.86，这个数字大于411.31，说明版本更新一些。如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！不然CUDA安装发现你现有的比我要安的还高级，我还安个锤子，就会出现安装失败的错误；如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，驱动版本不够新，CUDA也运行不了。如果巧了当前版本与新版本一模一样，那勾不勾选随意。

检查
在这里插入图片描述
安装好了，我们去上图所示的路径检查nvcc.exe是否存在，这个程序很重要。

再从上图的路径中检查这个动态库是否存在，这个动态库也很重要

二、安装cuDNN

cmd命令行里进入和退出Python程序

报错指南
1
用conda 安装环境时，报如下错误：
Cache entry deserialization failed, entry ignored

解决：
更新pip版本：

python -m pip install --upgrade pip

2
使用TensorFlow时报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy…

报错原因：numpy1-17-0版本过高，使用numpy-1.16-0版本即可

解决方法：重新安装numpy-1.16-0

pip install numpy==1.16.0

3
Python中解决ModuleNotFoundError: No module named 'tensorflow._api’问题

解决方案
我在这里使用的方法是在命令行窗口执行：

pip install --upgrade --ignore-installed tensorflow.