[Python知识库]TensorFlow-GPU配置心得(CUDA11.0.228)

花了一下午的时间完成了TensorFlow_GPU的配置，主要步骤总结如下

1、通过NVIDIA控制面板获得CUDA版本：11.0.228

2、下载对应CUDA软件：https://developer.nvidia.com/cuda-11.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork

精简安装即可

３、下载对应版本cuDNN（对应版本CUDA和cuDNN可以从百度云下载）:

https://pan.baidu.com/s/1FAlpVwMQjO7CCbKUw2DRuA?
提取码：cdtr?

?4、解压cuDNN文件，复制至CUDA根目录覆盖

5、打开?Anaconda prompt添加环境

conda create -n TF2 python=3.8

TF2或者其他名字随意

6、激活环境，安装TensorFlow-GPU 2.4.1

conda create -n TF python=3.8
conda activate TF
pip install tensorflow-gpu==2.4.1

7、打开Anaconda Navigator，选择编译环境TF2，安装编译器。此时的TF2即独立的编译环境

8、进入编译器，输入测试代码

import tensorflow as tf
print(tf.__version__)
# 如果安装成功，则会输出2.4.1

gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)
print(tf.test.is_gpu_available()) 

输出True即可

后续可运行深度学习网络测试，查看任务管理器中GPU使用量

9、主要报错

（1）环境创建失败

在/home/user下创建condarc

conda config --add channels r

在文档中加入：

channels:
? - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
? - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
? - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
? - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
? - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true

（2）创建编译环境后，显示done，但D:\Anaconda\envs中却没有生成对应文件夹

conda clean --all