文章目录
前言
最近显卡降价，入手了一块RTX3060TI战斧显卡，美滋滋，顺便升级一下深度学习的单机配置
特别说明的是30系列显卡之后必须用cuda11.0以上，因为之后的架构发生了改变，否则30系显卡无法调用
这里我用的环境是
- 系统：win10
- 显卡：RTX3060TI
- python:3.8.8
- annaconda:Anaconda3-2021.05-Windows-x86_64.exe
- cuda:cuda_11.0.2_451.48_win10.exe
- cudnn:cudnn-11.0-windows-x64-v8.0.4.30.zip
- VS2019
- tensorflow-gpu 2.4.0
文件好多？？？
阿里网盘已经准备好资料
https://www.aliyundrive.com/s/c7bPvR9G1hF
vs2019需要下载安装器联网下载，而且组件需要自己选择，这个没法存进网盘
tensorflow-gpu 2.4.0使用conda的pip3命令安装即可没有必要存进网盘了，可以使用清华镜像，下方有链接，其他文件都在
流程
方法
可是怎么事先知道那个版本的windows系统，显卡型号，tensorflow，cuda,cudnn是相互配合的呢？
先看显卡，看看显卡支持到哪里？
找到nvidia控制面板，看一下支持的cuda版本信息，要小于显卡所标识的最大版本号
cmd输入nvidia-smi，查询驱动器版本号，
那么这里选择cuda11.0是可行的，然后找官方给的配置单，看一下相互对应的tensorflow等等
去英伟达官网，他们给的有版本配置单，按着来就行了
https://tensorflow.google.cn/install/source?hl=en#gpu
那么知道为什么用这些文件了，就进入文件安装使用吧
1.先安装网盘里的anaconda文件，安装后就是python3.8.8环境
2.安装vs2019
cuda安装需要vs环境，适配的组件在vs2019中都具备了，因此要先安装vs2019
需要注意的是在安装时勾选以下组件，否则还是没有cuda运行环境
从网上下载个vs2019安装器，然后勾选如下即可，等待安装完成
3.vs2019安装完毕后开始安装cuda
cuda第一开始显示的文件路径框是自解压，选择一个空白文件夹即可，安装完毕后其会将解压的文件自动删除
然后没什么可说的，全部勾选，下一步下一步
如果有人报错了，看一下安装vs2019时的两个运行环境勾选没有，或者看看你的显卡的支不支持这个cuda文件？
需要注意的是geforce可以不用安装,也可以安装,这个可能不是最新,要废弃
vse 编辑器,如果没有安装就安装,安装过就取消勾选,这个是给VIsual Studio使用的
驱动版本如果比自带的低,可以取消勾选,如果大于等于电脑自带的版本号一定要勾选
安装后看一下如下路径是否有此驱动
然后配置系统变量,需要注意的是path的搜索有先后顺序,如果搜索到前面的,后面的就会被忽略
前两行是系统添加的,后一行是手动添加的,必须位于顶部防止被其他版本覆盖
如果cudnn已经覆盖过目录了,第四行可以不用增加
4.安装cudnn
其实就是解压的文件夹，将cudnn中的三个文件复制放入cuda的安装目录如下
cudnn解压后的文件夹，全选复制一下
粘贴到cuda安装目录
5.安装tensorflow-gpu
使用清华镜像更快一些
不需要清华镜像就把后面网址删掉
pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple #版本可任意修改
6.测试GPU是否正常识别，tensorflow是否可用
GPU是否识别
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
测试
用2.x版本运行tensorflow1.x代码
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
with tf.device('/gpu:0'):
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)
with tf.Session() as sess:
print (sess.run(c))