Windows Tensorflow GPU配置_windows安装tensorflow-gpu版本

记录一下自己配置GPU的全过程及遇到的问题，若有错误请指正。

一、Anaconda

1.下载

在官网下载和自己电脑匹配的版本：https://www.anaconda.com/download
可以skip registration 然后跳转到这里

2.安装

双击打开刚才下载的文件
第一页 next
第二页 I agree
第三页 选择All Users

第四页 选择安装目录，这里最好记住这个目录，之后会用到，我选择安装在D盘

第五页 勾选选项，我这里是都选了，这个可以按照自己喜好

最后就可以install了，安装完成后会有提示“installation complete”，然后再点next。

3.配置环境变量

打开电脑-系统属性-高级-环境变量

选择【系统变量】-【Path】，点击编辑，将以下几个文件夹添加进去，路径就是刚才说要记下来的安装目录

4. 测试是否安装和配置成功

打开cmd，输入：

python
1

然后再重新打开cmd，输入：查询conda信息

conda info
1

如图，这样就是安装成功。

如果提示conda不是内部或外部命令，就是环境变量没有配置成功。
点击安装好的Anaconda Navigator，成功进入界面就是安装成功了。

5.通过Anaconda配置Python

1. 创建虚拟环境
   打开Anaconda Prompt，创建新的环境：
   —name后面为环境名称，python=后面可以指定安装python版本

conda create --name TensorFlow python=3.9
1

运行后会自动安装一些基础的包。

2. 检查所有的虚拟环境：

conda env list
1

可以看到已经成功创建TensorFlow：

激活TensorFlow，并输入conda list后可以看到此虚拟环境下已经安装的包：

activate TensorFlow
conda list
1
2

3. conda的一些其他命令：

conda install XXX：安装 XXX 包
conda remove XXX：删除XXX 包
conda env list：列出所有环境
activate noti（或 source activate noti）：启用/激活环境
conda env remove -n noti：删除指定环境
deactivate（或source deactivate）：退出环境
1
2
3
4
5
6

二、检查电脑的显卡驱动版本

1. 打开设备管理器，查看电脑是否有英伟达显卡
   
   可以看到显示适配器-NVIDIA GeForce RTX3060。
2. 查看电脑的显卡驱动版本：
   打开cmd，输入：

nvidia-smi
1

可以看到右上角：CUDA Version：12.3，表示我们最高可以安装的CUDA版本为12.3

三、安装CUDA

通过配置名为TensorFlow的虚拟环境，我们已经安装了python，版本为3.9。
接下来就是安装互相匹配的PyTorch、CUDA、CUDNN。我这里用到的是：

PyTorch 11.8
CUDA 11.2
CUDNN 8.9
TensorFlow-gpu 2.10.0
1
2
3
4

1. 版本选择

参考Tensorflow官网https://tensorflow.google.cn/install/source_windows，
查看CPU和GPU的匹配信息：

2. 安装CUDA

打开网页：https://developer.nvidia.com/cuda-toolkit-archive，下载对应版本：

选择CUDA 11.2，windows，version 10
（我的电脑趁我不注意偷偷升到了WINDOWS11，但是安装version10目前看来是没问题。。）

下载好后打开安装程序，按照步骤安装，这里不再赘述。
【注意要记住CUDA的安装路径，之后要用到】

3. 检查是否安装成功

在cmd中输入以下代码，查看是否安装成功：

nvcc -V
1

这样就是安装成功。

也可以查看环境变量：
①是否有变量CUDA_PATH和CUDA_PATH_V11_2（不同版本V后数字不同），并检查路径是否正确。若没有则添加两变量并添加正确路径；若错误则修改成正确路径（路径为选项，自定义安装位置时选择的路径）

②系统变量中的Path是否有v11.2\bin，若没有则添加正确路径；若错误则修改成正确路径（路径为选项，自定义安装位置时选择的路径）
（我之前安装过12.2和12.3，所以有多个PATH）

四、安装CUDNN

1.安装CUDNN

打开网页：https://developer.nvidia.com/rdp/cudnn-archive，下载对应版本的CUDNN。
我这里选择的是8.9.7 for CUDA 11.X

选择local installer for windows：

下载后解压文件夹，可以看到三个文件夹：

同时打开CUDA的安装路径，忘记了就搜NVIDIA GPU Computing Toolkit文件夹，
可以看到同样名称的三个文件夹：

将CUDNN文件夹中的bin、lib、include文件夹中的文件复制到CUDA中对应的文件夹中
【注意是复制粘贴，不是替换！】

2.检查是否安装成功

打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite，查看是否有文件bandwidthTest.exe以及deviceQuery.exe，若存在则在该文件中打开cmd运行

运行deviceQuery.exe，得到如下结果：

运行bandwidthTest.exe，得到如下结果：

则说明CUDNN安装成功。

五、安装Tensorflow-gpu

1.安装

打开Anaconda Prompt，激活刚才创建的虚拟环境TensorFlow，输入：

pip install tensorflow-gpu==2.10
1

等待安装完成后，重启电脑。

2.检查是否为GPU

打开pycharm，配置解释器，运行以下代码：

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)
1
2
3
4

若结果为：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')] [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]
1

则正确。
或者运行以下代码：

import tensorflow as tf
version=tf.__version__  #输出tensorflow版本
gpu_ok=tf.test.is_gpu_available()  #输出gpu可否使用（True/False）
print("tf version:",version,"\nuse GPU:",gpu_ok)
1
2
3
4

若结果为：
则正确。

tf version: 2.10.0 
use GPU: True
1
2

六、Pytorch-gpu

1.安装

打开网页https://pytorch.org/get-started/locally/，选择对应版本，我的CUDA是11.2，可以选择11.8版本进行安装。

安装时有两个方法
方法一：在Pycharm中，打开terminal，复制粘贴代码：

这里有一个OSError，在代码后面加上–user可以安装成功，即：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 --user
1

方法二：看其他博主以管理员身份运行Anaconda Prompt，复制粘贴代码就可以安装成功，但我试了一下还是有OSError，所以还是得在后面加–user。

最后一行显示successfully installed即可。

2.标题测试pytorch gpu是否可用：

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为True，则安装无误
1
2
3
4

若torch.cuda.is_available() 为True则GPU可用，False表示不可用。