| win10+Tensorflow2 + cuda +RTX 3080 +cudnn 安装 | 您所在的位置：网站首页 › 下载指定版本tensorflow › win10+Tensorflow2 + cuda +RTX 3080 +cudnn 安装 |
win10+Tensorflow2 + cuda +RTX 3080 +cudnn 安装
|
最近准备开始深度学习相关内容的学习，会在公众号进行同步更新我的学习记录等相关文章，大家可以在后台回复相应的天数，获取相应的代码和数据。 文章目录 1.前言2.Anaconda安装3.cuda安装4.cuDNN安装安装tensorflow-gpu5.代码处理6.如果还不能解决，看这里 1.前言配置： 系统：Window10CPU：i7-10700FGPU(显卡)： RTX3080cuda：CUDA11.1.0_win10_networkcudnn: cudnn-11.1-windows-x64-v8.0.5.39tensorflow：tensorflow-gpu 2.4.1NVIDIA GeForce RTX 3080不需要用测试版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！ NVIDIA GeForce RTX 3080不需要用测试版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！ NVIDIA GeForce RTX 3080不需要用测试版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！
官网传送门：【Anaconda】 点它（红框框）
CUDA官网：【cuda】 这个安装有时候需要科学上网，可以加我微信给你分享一点不一样的东西。
cuDNN官网：【cuDNN】 这一步，官网可能需要的填一份调查问卷什么的，填它就好了。
在python代码中加入以下代码，将代码的运行放到GPU上 gpus = tf.config.list_physical_devices("GPU") print(gpus) if gpus: gpu0 = gpus[0] #如果有多个GPU，仅使用第0个GPU tf.config.experimental.set_memory_growth(gpu0, True) #设置GPU显存用量按需使用 tf.config.set_visible_devices([gpu0],"GPU")检查TensorFlow版本 import tensorflow as tf print(tf.__version__) 6.如果还不能解决，看这里检查一下是否提示缺失cusolver64_10.dll文件 “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\cusolver64_11.dll” 改为cusolver64_10.dll “C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\cusolver64_10.dll” |
来吧，做选择
打开Anaconda然后你就可以看到这个界面，我们进入Environments中去 
然后创建一个Tensorflow-gpu的虚拟环境，如图，记住python版本要下调到python3.6，不能比这个高了。 
然后在里面把Tensorflow-gpu安装了。 
下载完成后傻瓜式安装即可。
然后下载与CUDA相对应的版本
下载完成后，你会得到一个文件夹，里面有include、lib64、bin三个文件，将它复制到CUDA的文件夹（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）。 
最后一步，将下面四个路径添加到环境变量当中去。 
将中的cusolver64_11.dll【本文地址】