利用Anaconda安装tensorflow-gpu 2.4.0 + cuda11.1 + cudnn 以及安装 pytorch 1.9.0 + cuda11.1

conda create -n pytorch python=3.8
- 2.创建成功之后 激活刚刚创建的pytorch环境
conda activate pytorch
https://pytorch.org/ 自行选择是用pip命令安装还是conda命令安装 推荐使用pip 因为我之前用conda命令安装出错然后用pip命令装成功一路顺畅 
在pytorch环境下输入python进入python
import torch
torch.cuda.is_available()
如图显示true则表示安装成功 
在pycharm中配置pytorch
File–>Setting–>Project:项目名—>Project interpreter–>Add 
安装tensorflow-gpu 2.4.0
视频教程:https://www.bilibili.com/video/BV1Vb4y1r78v?from=search&seid=4882286894108384840&spm_id_from=333.337.0.0

- 如果想下载以前的版本 找到
Archive of Previous CUDA Releases 点击进入
跳转到如下界面 点击你想下载的版本 

安装cuda

- 第二步:去掉NVIDIA GeForce Experience 这个勾

- 第三步:如果你电脑上有Visual Studio 这个勾可以勾 但是如果没有就不要勾

- 第四步:当前的版本如果是大于安装的cuda版本不能勾 如果是当前版本小于安装cuda版本的话 就要勾 例如:我的当前版本大于新版本所以不用勾 之后直接下一步就可以了

- 检查是否安装成功:进入Anaconda终端 输入命令:
nvcc -V 注意有空格 如下所示表示安装成功

安装Cuda11.1 对应的cudnn8.0.5
https://developer.nvidia.com/rdp/cudnn-archive 点击下载与cuda(11.1)对应的cudnn(8.0) 点击下载如图选择windows 提示: 这里下载cudnn需要先注册一个账号 需要一点点时间 注册账号之后就可以下载cudnn啦 
-
下载完成cudnn之后 进行解压 其文件下面目录如图所示  -
进入到之前安装cuda的目录中 我的是: -
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 将刚刚cudnn解压目录下面的 include文件里面的所有文件全选复制到如下图include文件夹下面 同理:bin lib进行同样的复制 到v11.1对应的bin lib目录下 如有相同名字直接替换即可  -
进入powershell prompt终端 - 创建tensorflow的环境 - conda create -n tensorflow python = 3.8 -
激活环境代码 -
conda activate tensorflow -
通过pip 命令安装tensorflow gpu版本 -
pip install tensorflow-gpu==2.4.0 -i https://mirrors.aliyun.com/pypi/simple/ -
安装完成之后测试 是否安装成功 进入python环境输入以下代码 -
import tensorflow as tf -
tf.test.is_gpu_available() -
如下所示返回true 说明安装tensorflow版本成功  之前安装完成之后完成 执行代码之后可能会遇到面这样的错误:不用慌
Could not load dynamic library ‘cusolver64_10.dll’; dlerror: cusolver64_10.dll not found
解决方案: https://blog.csdn.net/qq_45056135/article/details/120272502?spm=1001.2014.3001.5501 解决之后 大功告成
File–>Setting–>Project:项目名—>Project interpreter–>Add  选择红圈内的路径即可 D:\program\Anaconda3\envs\tensorflow-gpu  测试 返回True 配置完成 本人自用 如有问题欢迎大家讨论和交流
|