win+s 搜索 NVIDIA Console Panel并打开

2. 查看NVIDIA控制面板的系统信息（系统信息在下图左下角处）

打开系统信息窗口后，首先在显示部分查看并记录驱动程序版本

我的版本是512.15

然后点击组件，查看支持的CUDA版本

这里我的版本如下为11.6.127，下载11.6.1的CUDA

官网下载CUDA

Bing或Google 搜索 CUDA 11.6.1 （这里你要下载哪个版本就输入 CUDA 版本号）

2. 点击链接，进入官网下载页面（可能网页加载会比较慢 VPN可能会快）

网页加载完后，页面如下：

这里根据目前所用的操作系统，选择Windows平台等信息

信息输入完成后，点击Download开始下载

这里我的浏览器设置为每次下载都要确定下载保存位置，所以会弹出下列窗口，点击保存即可

安装CUDA

创建下载目录文件夹

首先在软件保存的路径（自定义）处，创建CUDA和CUDA_program文件夹

运行下载的CUDA安装程序

点击之前下载好的cuda exe程序

这里提取文件路径选择之前创建的CUDA文件夹，之后OK即可

进度条加载完后，则会进入正式的CUDA 安装程序

正式的CUDA 安装程序

点击同意并继续后，进入许可协议页面

选择自定义安装，点击下一步，进入安装的软件选项

具体选择情况如下：

点击下一步，进入安装路径选择页面，这里的安装路径选择之前创建的CUDA_program路径

浏览修改好路径后，点击下一步，开始安装

根据自己的选择，之后Next即可（这里我是选择了 I understand 然后Next）

开始安装

安装结束，下一步即可

下载CUDNN

确定CUDNN版本

目前官网上并没有针对于11.6的版本，网络检索得到11.6的CUDA可以配置8.3.2的CUDNN

但是下载后，出现了一些dll找不到，之后下载了8.3.3的CUDNN发现可以解决之前的问题

因此 11.6.1的CUDA配置 8.3.3的CUDNN

官网下载CUDNN

CUDA和CUDNN的下载结果不同，CUDA是一个安装程序，而CUDNN则是个压缩文件

CUDNN下载官网

进入官网后，会需要登录NVIDIA账号，这里没有的去注册即可

登录后，可以看见各种CUDNN版本

这里我们下载8.3.3 For CUDA 11.6的版本

复制CUDNN解压文件

解压下载后的压缩包文件，解压后的文件夹包含下列文件

将解压后的文件夹复制到CUDA安装目录的bin文件夹的同级目录下并重命名为cudnn

这里我的是E:\SoftWares\PyCharm\CUDA_program路径下

添加环境变量

win+s输入环境变量，打开编辑系统环境变量

在系统环境变量Path中添加以下内容（具体是红框内的文件夹，按你自己的安装目录配置）

下载缺失的zlibwapi.dll文件

打开官网，下载zlibwapi.dll文件

一般的浏览器，点击ZLIB DLL 则会自动跳转下载；Chrome需要鼠标右键点击链接，选择链接另存为即可下载

下载完成后解压，并将解压后的文件夹zlib123dllx64移动到系统盘C的Program Files (x86)文件夹中

在系统变量Path中添加环境变量：

判断是否安装成功

cmd命令行输入 nvcc -V 命令，出现下列信息则成功

Pycharm运行下列脚本
from tensorflow.python.client import device_lib
import tensorflow as tf
print(device_lib.list_local_devices())
输出中的device_type既有CPU，也有GPU则成功

运行某神经网络程序

没有报错信息，能够正常epoch、正常运行即成功

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/菜鸟追梦旅行/article/detail/95711

深度学习——安装CUDA以及CUDNN实现tensorflow的GPU运行_cudnn 8.3.3

下载CUDA

查看NVIDIA 显卡支持的CUDA版本

官网下载CUDA

​安装CUDA

创建下载目录文件夹

运行下载的CUDA安装程序

下载CUDNN

确定CUDNN版本

官网下载CUDNN

复制CUDNN解压文件

添加环境变量

下载缺失的zlibwapi.dll文件

判断是否安装成功

安装CUDA