[人工智能]win10+PyCharm+tensorflow2.5.0+CUDA11.2+cudnn8.2.1+anaconda2021.5 GPU环境搭建

麻了，在发布这篇文章之后，我的这篇文章下面推荐了一位博主发布的十分详细的，跟我的电脑配置CUDA11.2.1，cudnn8.2.1，TensorFlow2.5.0完全一样的一篇有关TensorFlowGPU版的安装文章。除了显卡他是30系列显卡，我是MX350，显卡性能天差地别之外其他都一样的，我要是早点看到就不会有这么多事儿和这篇文章了。发在最前面给大家避避雷，要是有已经遇到某些问题的朋友可以继续看。我是真的麻了，全麻的那种，明明那个对应版本表上面写了支持TensorFlow2.6的，但是就是不行，那位博主也说看表只支持2.5和2.4，我看确实是支持2.6啊啊啊啊，如果早知道是只支持2.5及以下也可以少浪费很多很多时间。

【踩坑教程】win10环境下RTX3050Ti安装Tensorflow-gpu2.5+CUDA11.2.1+cudnn8.1.0
一、前言
最近在完成机器学习作业时想要尝试一下使用GPU环境来跑一下神经网络的代码，忙活了一天一个晚上，终于成功。
现在记录一下过程中遇到的问题与相对应的操作，不会具体说某个操作，只会说遇到的问题与解决方案，其中遇到的部分比较好搜索到的问题，比如库冲突等等根据报错信息一一解决即可。首先说一下使用电脑环境与背景，本人电脑是联想小新15，显卡是MX350，i7-10代，系统是win10家庭版，IDE是PyCharm2020.3.5专业版，使用的python环境是anaconda 2021.5，python版本是anaconda安装时勾选的默认版本3.8.8。因为本人的anaconda安装包是一直装在U盘里随时随地可以拿来用，所以有关anaconda的下载安装介绍与python解释器的配置不在这过多介绍，可以看以下链接自行安装配置。https://zhuanlan.zhihu.com/p/75717350
其中个人认为在安装时勾选或不勾选添加anaconda进入环境变量与否均可，不影响后序操作，但如果不勾选（系统默认不勾选），一定要记得手动去配置环境变量，如果是勾选了在后序出现问题的话可以重装一遍anaconda选择手动添加环境变量，如果配置环境没有配置好的话在cmd运行conda info python 命令等出现conda failed to create process信息，是因为环境变量没有配置好的问题。
参考安装的全程都是这两位博主的文章，写的非常得好。
https://blog.csdn.net/MISS_XDY/article/details/119256684
https://blog.csdn.net/tangtangllll/article/details/78978513
跟着第二位tangtangllll博主操作安装TensorFlow时谨慎替换pip安装源，本人在替换时没有使用管理员权限运行Anaconda Prompt导致pip函数被删除，出现报错信息Script file ‘D:\anaconda3\Scripts\pip-script.py’ is not present.，搜索后网友都说可以用easy_install重新安装pip解决，但是网上的各种方法都对我没有效果，最后本人在anaconda Prompt中随便试了一下使用conda instal pip命令，没有想到居然成功了，如果要替换pip下载源的话建议右键使用管理员模式运行，如果不慎发生替换失败导致pip函数被删除的话可以使用easy install pip或conda install pip解决。
1、查看电脑是否支持CUDA与cudnn与安装
楼下这位作者对于如何查看电脑是否支持CUDA与cudnn与安装过程相对详细得多，本人参考的是这位博主的文章，个人认为写的十分详细，我就不再献丑了。https://blog.csdn.net/Mind_programmonkey/article/details/99688839
2.安装TensorFlowGPU版
首先得确定自己的TensorFlow、CUDA和cudnn的对应版本，以下是2021最新的对应版本https://blog.csdn.net/K1052176873/article/details/114526086
本人在安装时选择的是新创建一个虚拟环境然后根据TensorFlow与CUDA和cudnn对应版本选择安装TensorFlowGPU2.6.0版，其中遇到了Cannot register 2 metrics with the same name: /tensorflow/api/keras/optimizers错误，在全网都没搜到对应的解决方案，一个人摸索了很久才发现是因为版本问题，在看到开头的那位博主的文章我才知道CUDA11.2.1和cudnn8.2.1只支持TensorFlow2.4.0和2.5.0。最开始我是在普通的Python环境中安装的GPU版，其中已经安装了普通的TensorFlowCPU版。当遇到这个问题的时候，我以为是因为我之前没有把CPU版本的卸载再安装新的GPU版本所以出现了这个问题，我就把所有有关TensorFlow相关的文件都删除了再重装还是没能解决问题，我以为是没有卸载干净的问题，全部文件都删除了还是没能解决，我就把anaconda卸载了重装，还是一样，反复尝试了许多次之后，我意识到不是卸载的问题。
然后我百度与谷歌搜索了很久都没有搜索出来成功的解决方案，最后只能死马当活马医，试了一下把TensorFlow版本再降，降低至2.5.0，这时报错信息变成了File “h5py\h5.pyx”, line 41, in init h5py.h5 AttributeError: type object 'h5，我喜出望外，报错信息变成某个库文件出错的话也就是说这个时候不是GPU出问题了。
又搜索相应报错信息，搜索了许多方法都没有解决，在看了一个方法说更新h5py至最新版本可以解决问题，但是h5py3.6.0（最新版本）与TensorFlow2.5.0是冲突的，原有的h5py3.1.0是刚好的被需要的库版本，所以不能升级，我又想到了是不是因为keras版本的原因？我打算把keras重装至2.5.0，发现没有2.5.0，只有2.5.0rc0，再往下就需要安装TensorFlow2.4.0版本了，不能往下，只能往上，于是重新安装了keras2.6.0。
此时上面的报错信息解决，已经在使用GPU环境执行代码了，但是又有了新的报错信息。
调用GPU来执行代码需要在开头添加以下代码，直接复制即可

	# 1. 设置GPU
import tensorflow as tf

gpus = tf.config.list_physical_devices("GPU")
if gpus:
    tf.config.experimental.set_memory_growth(gpus[0], True)  # 设置GPU显存用量按需使用
    tf.config.set_visible_devices([gpus[0]], "GPU")

再次执行代码，又出现问题AttributeError: module ‘tensorflow.compat.v2.internal’ has no attribute ‘register_clear_session_function’，发现是Import出了问题。在使用GPU环境运行这段代码之前都可以正常运行，那么就是TensorFlow2.5.0版本的引用方式不同，需要更改。 原代码：
此时就需要寻找新的引用方法，通过不停地ctrl+左键单击 各个import的模块与ctrl+f搜索文件，终于找到了可用的引用方式。比如dense函数就需要from tensorflow.keras import layers ，再使用layers.dense，Sequential函数也是一样，需要from tensorflow.keras import Sequential。
大概总结一下就是如果是使用GPU版本的TensorFlow运行代码的话需要从TensorFlow中引用keras中的某个模块，再引用某个函数。

此时问题解决，可以正常使用GPU运行神经网络模型。
以下是没使用GPU环境训练神经网络模型时的速度：
使用后：

其中有很多错误本人都没有列举出来，因为是在解决了问题之后才开始记录，只记录了印象比较深刻的问题，在安装时请以列出的各个博主的文章为准，本人只是分享一次记录，而不是分享经验，可以在评论区交流，共同解决过程中遇到的错误。
GPU运行速度基本没有提升，就是每次迭代还是2-3ms，我为啥要搞这么久呢，拿着部破电脑的mx350非要搞GPU环境，跟自己的CPU差不多速度哈哈哈。