win11+cuda11.2+cudnn+Tensorflow-GPU 环境配置

名词解释

• CUDA 即英伟达的显卡并行计算框架，nvidia-smi 可以查看
  tensorflow-gpu的运行需要它的底层支持，它是一个计算框架，抽象层次比驱动高，每个版本的CUDA都是基于一定版本的驱动建立的，所以它对驱动的最低版本是有要求的

• cuDNN 基于CUDA架构的神经网络库
  是专门用于神经网络计算的加速包，可以看作是CUDA的一部分（并行计算框架下的一个包）

• tensorflow-gpu
  tensorflow-gpu的运行需要用到CUDA框架， 特别是cuDNN库，就像CUDA是基于特定版本驱动构建一样，tensorflow-gpu也是调用特定版本的CUDA，二者存在对应关系

综上，
**
driver决定了CUDA的版本

CUDA决定了cuDNN的版本

CUDA决定了tensorflow-gpu的版本

tensorflow-gpu决定了python的版本
**

前置说明

 首先需要确认硬件是否支持.
 设备管理器中可以查看

一般较新游戏本的英伟达显卡都支持，可以通过命令行```nvidia-smi ```查看
类似下面 CUDA Version: 11.8 就是支持的最高cuda版本

Tensorflow-GPU 版本对应 官网

CUDA安装

官网：https://developer.nvidia.com/cuda-toolkit-archive
我选择低一个版本的11.7.1，安装一路next


安装好后测试命令行下 nvcc -V

cuDNN

官网： https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
根据系统版本的CUDA版本选择
我选择v8.5.0

解压后复制到cuda文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7下面

Tensorflow-GPU

pip 可以设置其他源，加快下载速度

清华镜像：Simple Index

中科大镜像：https://pypi.mirrors.ustc.edu.cn/simple

豆瓣镜像：http://pypi.douban.com/simple

阿里镜像：https://mirrors.aliyun.com/pypi/simple

百度镜像：https://mirror.baidu.com/pypi/simple

安装Tensorflow-GPU
pip install tensorflow-gpu -i http://pypi.douban.com/simple

测试是否安装成功
新建info.py

import tensorflow as tf
print(tf.test.is_built_with_cuda())
#若输出为true则表示cuda安装成功
print(tf.config.list_physical_devices('GPU'))
#若输出为true则表示能够使用gpu
print(tf.test.is_gpu_available())

执行python info.py
输入类似下面则表示成功了

好了，恭喜你！环境已经可用了。享受hello word

参考

• https://blog.csdn.net/qq_45186202/article/details/122583878
• https://blog.csdn.net/weixin_43762840/article/details/121721264
• https://blog.csdn.net/kamille1024/article/details/127022034