Tensorflow2.x配置CUDA与CUDNN深度学习环境（保姆级）_cuda11.2对应的cudnn版本

Tensorflow2.x配置CUDA与CUDNN深度学习环境（保姆级）

---

前言

看过了很多配置环境的教程，总结一下自己踩过的坑，顺便帮助大家一起入门。
如果发现本博文有错误，欢迎大家指正。

---

一、选择对应的CUDA和CUDNN版本号

本文主要介绍tensorflow框架下环境的配置，首先到官网查看所需要的版本号
如下图所示，以配置tensorflow2.6.0环境为例，记住CUDA和CUDNN对应的版本号

二、下载对应版本安装包

然后去CUDA，cuDNN下载对应版本的安装包

1.下载cuda

还是以配置tensorflow2.6.0为例，去CUDA官网，下载CUDA11.2.0

2.下载cuDNN

去cuDNN下载对应版本的安装包

针对CUDA11.2如上图所示，有很多版本的cuDNN可以选择，如果大家在安装之后，有错误可以尝试切换一个版本的cuDNN试一试，以安装tensorflow2.6.0为例，我在这里选择的是cuDNNv8.1.0

三、安装

1.安装cuda

找到自己的下载路径

点击安装程序

这里会默认将安装程序放置在C盘下，不过没关系这只是一个零时文件，这一步不用更改。

等待检查系统的兼容性

检查完毕，同意并继续

选择自定义安装

第一次安装这些组件都选择默认配置就可以

安装路径，可以自行设置，但是必须记住路径，后面会用到。
不推荐，放置在C盘方便查找，我使用的是默认路径。

直接点击NEXT开始安装

2.配置cuDNN

打开cuda的安装路径，我默认装在C盘路径如下

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
1

将之前下载的cuDNN解压出来

进入目录中，复制下面内容

回到cuda安装路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
1

粘贴并替换文件内容
到这里cuDNN也配置好了，接下来到环境中去验证一下

三、验证环境

1.查看cuda版本

打开cmd窗口
输入

nvcc -V
1

出现一下结果，并且版本是11.2，说明配置正确

2.conda配置tensorflow环境

第一步，先下载anoconda，这里网上有很多教程，建议大家自行查找一下。
第二步，进入powershell（cmd）创建conda环境

conda create -n name python=3.8
1

接下来需要下载一些包直接点击y确认即可

这里创建了一个名为TF2.6的conda环境

第三步，安装tensorflow2.6，首先激活刚才创建的conda环境

conda activate name
1

然后下载tensorflow2.6

pip install tensorflow==2.6
1

接下来需要下载一些包直接点击y确认即可

第四步，进入python环境我们检查cuda是否可用
输入

python
1

进入python环境
输入

import tensorflow as tf
tf.test.is_built_with_cuda()
1
2

测试cuda是否可用

总结

本博文，如有错误欢迎大佬指正。大家共同学习一起进步。