最近準備開始深度學習相關內容的學習，會在公眾號進行同步更新我的學習記錄等相關文章，大家可以在后臺回復相應的天數，獲取相應的代碼和數據。

文章目錄

• • 1.前言
  • 2.Anaconda安裝
  • 3.cuda安裝
  • 4.cuDNN安裝
  • 安裝tensorflow-gpu
  • 5.代碼處理
  • 6.如果還不能解決，看這里

1.前言

配置：

• 系統：Window10
• CPU：i7-10700F
• GPU(顯卡)： RTX3080
• cuda：CUDA11.1.0_win10_network
• cudnn: cudnn-11.1-windows-x64-v8.0.5.39
• tensorflow：tensorflow-gpu 2.4.1

NVIDIA GeForce RTX 3080不需要用測試版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！
NVIDIA GeForce RTX 3080不需要用測試版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！
NVIDIA GeForce RTX 3080不需要用測試版（tf_nightly_gpu-2.5.0），tensorflow-gpu 2.4.1可以用！

2.Anaconda安裝

官網傳送門：【Anaconda】

點它（紅框框）

來吧，做選擇

打開Anaconda然后你就可以看到這個界面，我們進入Environments中去

然后創建一個Tensorflow-gpu的虛擬環境，如圖，記住python版本要下調到python3.6，不能比這個高了。

然后在里面把Tensorflow-gpu安裝了。

3.cuda安裝

CUDA官網：【cuda】

這個安裝有時候需要科學上網，可以加我微信給你分享一點不一樣的東西。

下載完成后傻瓜式安裝即可。

4.cuDNN安裝

cuDNN官網：【cuDNN】

這一步，官網可能需要的填一份調查問卷什么的，填它就好了。

然后下載與CUDA相對應的版本

下載完成后，你會得到一個文件夾，里面有include、lib64、bin三個文件，將它復制到CUDA的文件夾（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）。

最后一步，將下面四個路徑添加到環境變量當中去。

安裝tensorflow-gpu

pip install tensorflow-gpu

5.代碼處理

在python代碼中加入以下代碼，將代碼的運行放到GPU上

gpus = tf.config.list_physical_devices("GPU") print(gpus) if gpus:gpu0 = gpus[0] #如果有多個GPU，僅使用第0個GPUtf.config.experimental.set_memory_growth(gpu0, True) #設置GPU顯存用量按需使用tf.config.set_visible_devices([gpu0],"GPU")

檢查TensorFlow版本

import tensorflow as tf print(tf.__version__)

6.如果還不能解決，看這里

檢查一下是否提示缺失cusolver64_10.dll文件

將中的cusolver64_11.dll

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\cusolver64_11.dll”

改為cusolver64_10.dll

“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin\cusolver64_10.dll”

總結

以上是生活随笔為你收集整理的win10+Tensorflow2 + cuda +RTX 3080 +cudnn 安装的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。