我的电脑配置NVIDIA RTX3060显卡
搭建的为cuda11.2 + cudnn8.2.1 + Tensorflow2.9.0
复制代码一、搭建过程
1.官网安装Anaconda
2.对Anaconda和Python换源，使得下载地址为国内清华镜像Index of /anaconda/pkgs/main/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
3.使用conda install安装版本对应的cuda + cudnn + Tensorflow-gpu，cuda只需要安装cudatoolkit即可，版本对应可查阅Build from source on Windows | TensorFlow (google.cn)
4.进入python使用import Tensorflow as tf来验证是否下载成功，使用tf.test.is_gpu_available()来验证是否可用。
具体可参考Tensorflow-gpu安装超详细！！！_东海扬尘_BingO的博客-CSDN博客_tensorflowgpu安装
二、过程中遇到的问题及解决方法
- 问题一：Tensorflow/keras 模型搭建以及训练的第一个epoch速度非常慢
由于我一开始按照上面教程创建的环境及对应的版本为python3.7 + cuda10.1 + cudnn7.6 + tensorflow-gpu2.1.0，从网上查阅，可能是由于30系显卡与cuda版本不符的问题，仅支持cuda11和cudnn8.0以上的版本。
- 问题二：由于换源后的清华镜像网站上没有cudnn8.0及8.1的版本，而官网版本对照中cudnn最高仅到8.1版本
我查找清华镜像网站后，发现网站上有2021年的cudnn8.2.1版本，以及相对于的cuda11.2版本，于是我下载了最新的Tensorflow-gpu2.9.0版本，最后验证使用时，版本对应没有问题。
- 问题三：按照顺序下载后，在验证
import tensorflow as tf时会出现
TypeError: Descriptors cannot not be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible workarounds are:
- Downgrade the protobuf package to 3.20.x or lower.
- Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
More information: developers.google.com/protocol-bu…
解决方案
pip uninstall protobuf
pip install protobuf==3.20.1
复制代码- 问题四：由于我使用的是Anaconda的
jupyter lab作为代码编辑器，最后需要添加一下python内核
conda env list # 检查已有的虚拟环境
activate 环境名
conda install nb_conda
conda install ipykernel
conda install -n 环境名 ipykernel
python -m ipykernel install --user --name 环境名
复制代码