如何使用NVidiaGPU使tensorflow-gpuv2在Windows上运行

脚步

• 根据您看到的错误消息需要特定版本，而不是最新版本！

1.下载并安装最新的NVidia驱动

https://www.nvidia.com/Download/index.aspx

2.安装Tensorflow Python包

pip uninstall tensorflow
pip install tensorflow-gpu

3. 测试

首先下面的测试会失败，注意丢失文件的版本，例如 Could not find 'cudart64_101.dll'

import tensorflow

tensorflow.test.is_built_with_gpu_support() # Test install of pip package, should output True
tensorflow.test.is_gpu_available() # Should output True
tensorflow.test.gpu_device_name() # Should output something like /device:GPU:0

4.下载并安装CUDA Toolkit 10.1本地设置

• 您需要的版本是未找到的版本，例如 cudart64_ 101 .dll --> 版本10.1。
• 您将需要取消选择组件，因为安装程序包含较旧的驱动程序，在网络安装程序中这不起作用

https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

选择自定义设置并：

• 取消选择CUDA/Visual Studio Integration
• 取消选择Driver components

5. 确保这些文件夹已添加到路径：

• 没有其他版本的 CUDA

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1bin;
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1libnvvp;

6. 再次测试

• 重新启动您的 IDE 以接收新的环境变量（包括 PATH）

会失败，注意丢失文件的版本，例如 Could not find 'cudnn64_7.dll'

7.为CUDA 10.1下载并手动安装CUDNN 7.6.5

• 您需要的版本是未找到的版本，例如 cudnn64_ 7 .dll --> CUDA 10.1版本7 .x（或您需要的 CUDA 版本）

https://developer.nvidia.com/rdp/cudnn-archive

• 解压并将cuda文件夹的内容复制到：（C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1或您下载并安装的版本）
• 如果您有任何冲突，请跳过重复文件

8. 再次测试

• 这次应该可以工作，假设您下载了正确的版本