Windows下在pycharm中的tensorflow和cuda安装教程

最新推荐文章于 2025-04-16 15:35:19 发布

小本拉

最新推荐文章于 2025-04-16 15:35:19 发布

阅读量5.3k

点赞数 4

分类专栏：安装文章标签： tensorflow、cuda、cudnn安装教程

本文链接：https://blog.youkuaiyun.com/weixin_43038150/article/details/103286742

版权

安装专栏收录该内容

1 篇文章

订阅专栏

Windows下在pycharm中的tensorflow和cuda安装教程

需要安装的软件：

1、CUDA Toolkit： CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。（只有安装cuda才能让显卡支持tensorflow的运行）
2、cuDNN：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。（相当于一个辅助位）
3、tensorflow安装

在尝试了一天之后，终于安装成功，在装软件的过程中感觉随时随地都在遇到问题，但是当装完之后发现原来问题就那么两个，花时间的其实是在寻找解决问题的道路上，所以我希望把我以后的配置环境遇到的问题都写出来，让有需要的人节约一点时间。
###cuDNN安装： [官网]：(https://developer.nvidia.com/rdp/cudnn-download)
1、首先找准自己需要的版本，cuda、cudnn、tensorflow之间的版本都是互相对应的，当两个不匹配时就会出错，具体对应的版本可以去网上查找。
需要登陆，没有账号时可以选择QQ登陆
2、找好自己需要的版本
我选择的是7.6.5

3、下载完成后解压，解压完成之后里面的文件夹是这样
三个子文件夹
###安装CUDA
官网
1、选择自己需要的版本，一定要与cudnn和tensorflow的版本对应！
我选择的是10.0
2、下载，安装
我选择的极简模式，然后一键傻瓜式操作
3、安装完成之后将刚刚cudnn三个子文件中的.dll，.h ，.lib文件复制到对应CUDA中的文件中去，（注意，这里是把子文件下的后缀名为.dll，.h ，.lib的文件复制过去，不是直接把三个子文件复制过去）
4、配置环境变量，右键点击我的电脑，属性，高级系统设置，环境变量。
如果你忘记了CUDA安装位置，可以在这里看见，在安装的时候CUDA自动把这两个变量加进去了
我们需要再添加三个变量：

点击path，然后编辑
将CUDA安装文件夹下，就是环境变量里面的CUDA_PATH下的几个路径填进去。我这里
CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
所以在我的电脑中这个目录下
将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include添加到环境变量中。

这里我要提醒一下，在win10里面，每一行的路径完了之后不用打“；”分号，我就是因为这个问题找了好久的错误。
添加完成之后进行测试：再cmd中输入 nvcc -V，会显示CUDA的相关信息

###现在开始安装tensorflow
1、指定tensorflow版本下载 pip install tensorflow-gpu==1.14.0，我下载的版本是1.14，因为要和CUDA和cudnn契合。
直接在pycharm中pip安装，但是遇到了这个问题
tensorflow包比较大，但是网站在国外，所以下载特别慢，一不小心就会出错
可以给pip换源，使用国内的镜像，这里用到了pqi，具体操作点击了解，后面再pip下载时
现在，可以尝试一下代码：
import tensorflow as tf

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name=‘a’)

b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name=‘b’)

c = tf.matmul(a, b)

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

print(sess.run( c ))

!](https://img-blog.csdnimg.cn/20191128195724551.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzAzODE1MA==,size_16,color_FFFFFF,t_70)