一般网上的博客都会让你去NVIDIA官网下载CUDNN和CUDA,比较麻烦,在这里介绍更简单的方法。
一般安装(安装GPU版本的也必须走这个流程)
注意:从tensorflow2.1开始,pip包tensorflow同时包含GPU支持,无需通过tensorflow-gpu安装GPU版本。下面提供一个百分百安装成功的配置方案:
1 安装Anaconda,任意版本都行,建议不要下载最新的,因为会有很多包不兼容,百度anaconda的官网就能下载。参考我的这篇博文
2 安装完python后,打开cmd终端,输入以下代码,建立一个Conda虚拟环境,并进入该环境:
conda create --name tf2 python=3.8
conda activate tf2
如果conda activate tf2报错,是由于第一次运行Conda的activate导致的。
解决办法:输入以下代码:
activate
conda activate tf2
3 下载tensorflow
pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
CPU用户看到这里就结束了,GPU用户继续往下看
GPU用户安装
4 首先保证自己有GPU显卡,并且有显卡驱动,在cmd终端输入 nvidia-smi 查看GPU使用情况,确认自己的驱动版本号
5 CUDA Toolkit和cuDNN安装,参考文章最开始的配置对照图,版本必须一致。在安装前,可以使用 conda search cudatoolkit 和 conda search cudnn 搜索conda源中可用版本号。
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
验证安装
打开cmd终端,输入 conda activate tf2 进入之前建立好的tf2环境,如果报错就先输入 activate 后再输入 conda activate tf2 。输入 python 进入Python环境,接着输入:
import tensorflow as tf
tf.autograph.set_verbosity(0)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
出现以下,表示安装成功!